Projeto: Reconhecimento de padrões ecológicos na regeneração florestal da mata atlântica: priorização de indicadores e classificação dos estágios de sucessão com uso de inteligência artificial

Hipótese de pesquisa: a hipótese de pesquisa é que a inteligência artificial fuzzy pode apoiar a análise integrada para classificação dos estágios de sucessão na floresta estacional. Logo, o objetivo do projeto proposto é avaliar comparativamente o desempenho de diferentes alternativas baseadas em modelagem fuzzy para o reconhecimento de padrões ecológicos em processos de regeneração florestal.

Forma de análise: 

Como material, será utilizado um banco de dados do Inventário Florestal Florístico de Santa Catarina, Sul do Brasil, composto por 470 unidades amostrais de mata atlântica, caracterizada de acordo com treze parâmetros fitossociológicos quantitativos e qualitativos. Esse banco de dados será empregado para treinar vários métodos de aprendizado de máquina em um processo de validação cruzada de 10 dobras. A precisão global (θ) e o coeficiente kappa serão usados ​​para comparar o desempenho entre um modelo fuzzy e redes neurais (CCN, GMDH, MLP, PNN, RBF), comitês classificadores (RF, TreeBoost) e máquina de vetor de suporte (SVM). Em seguida, para verificar se a classificação pelo modelo fuzzy difere daquela realizada por especialistas, será determinado o índice Kappa e uma análise de significância estatística pelo teste χ^2 de Pearson. As hipóteses serão verificadas com testes de duas vias a um nível de significância (α) 0,05, para um poder de teste (1-β) 0,8 e tamanho de efeito mínimo esperado entre médio (ρ = 0,3).

Isadora Gomes (IC):

• priorização de indicadores com poder descriminante entre estágios sucessionais

Julia Villalta (IC):

• projeto concluído.