Uso de fotografías digitales como alternativa, de la cinta métrica y forcipula de brazo móvil, para la cúbicación rigurosa

In forest volume estimation, biases do not derive only from data processing and estimates but may be of selection when the sample does not guarantee the representativeness of population, of admission when the sample came from a special population, of wrong sampling, or it can be immeasurable such as systematic errors and caused by the operator or the instrument itself. The volume of a stand can be obtained using mathematical expressions that use the variables height and diameter, or circumference where the diameter is obtained using caliper and the circumference through diameter tape, and both incur errors that depend on the shape and deformity of the trunk cross sections. This paper proposes a new methodology based on the use of digital images of the trunk sections and the use of the Artificial Neural Networks technique to obtain the sectional area in upper-stem diameter measurements whose volume estimation is more precise and accurate than the obtained by caliper and diameter tape when compared to the real volume data obtained by the xylometer. With a database of Eucalyptus sp. clonal stands, the proposed methodology was able to accurately estimate the sectional area of trunk cross sections, resulting in volume estimates with only 0.26% of average variation compared to the xylometer, while caliper and tape presented, respectively, -1.41% and 4.08% of variation. The results obtained from the digital images also proved not to be biased, while the diameter tape overestimated volumes and the caliper underestimated them. En inventarios de volúmenes de plantaciones forestales, el sesgo no se deriva solo por el procesamiento de los datos y las estimaciones, puede ser por selección, cuando la muestra no garantiza la representatividad del plantío; por admisión, cuando la muestra proviene de una plantío especial; por muestreo, o incluso pueden ser inmensurables, como los producidos por errores sistemáticos derivados del operador o del propio instrumento. El volumen de un plantío se puede obtener mediante el uso de expresiones matemáticas que utilizan las medidas de alturas y diámetros, o circunferencias donde el diámetro se puede medir con forcipulas de brazo móvil y la circunferencia con cintas métrica, pero ambos incurren en errores que dependen de la configuración y deformidades de las secciones transversales del tronco. Este trabajo propone una metodología basada en el uso de imágenes digitales de las secciones del tronco y el empleo de Redes Neuronales Artificiales (ANN) para obtener el área de la sección en la cubación, cuya estimativa de volumen es más precisa y exacta que la conseguida con la forcipula y cinta métrica, en comparación con los datos de volumen real obtenidos con xilómetros. Con una base de datos de plantíos clonados de Eucalyptus sp., la metodología propuesta fue capaz de estimar con precisión la área seccional de los discos de madera, resultando en estimativas de volumen con solo 0.26% promedio de variación al ser comparados con el xilómetro, mientras que la forcipula y cinta presentaron, respectivamente, -1,41% y 4,08% de diferencia. Los resultados obtenidos también por fotos demostraron no ser sesgados, mientras que la cinta métrica tendió a sobreestimar los volúmenes y la forcipula a subestimarlos. Em levantamentos do volume de povoamentos, o viés não deriva apenas do processamento dos dados e das estimativas, podendo ser de seleção, quando a amostra não garante a representatividade da população; de admissão, quando a amostra advém de uma população especial; de amostragem; ou ainda podem ser imensuráveis, como erros sistemáticos e decorrentes do operador ou do próprio instrumento. O volume de um povoamento pode ser obtido através do uso de expressões matemáticas que utilizam as variáveis altura e diâmetro, ou circunferência onde o diâmetro é obtido com uso da suta e a circunferência por meio da fita métrica e, ambas, incorrem em erros que dependem do formato e deformidade das seções transversais do tronco. Este trabalho propõe uma metodologia com base na utilização de imagens digitais das seções do tronco e do uso da técnica de Redes Neurais Artificiais (RNA) para obtenção da área seccional na cubagem cuja estimativa de volume seja mais precisa e acurada do que a obtida por meio da suta e fita métrica, quando comparadas com os dados reais de volume obtidos pelo xilômetro. Com uma base de dados de plantios clonais de Eucalyptus sp., a metodologia proposta foi capaz de estimar com precisão a área seccional dos discos de madeira, resultando em estimativas de volume com apenas 0,26% de variação média em comparação com o xilômetro, enquanto suta e fita apresentaram, respectivamente, -1,41% e 4,08% de variação. Os resultados obtidos pelas fotos também demonstraram não ser tendenciosos, enquanto a fita métrica apresentou tendência a superestimar os volumes e a suta a subestimá-los.