Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/9344
Tipo do documento: Tese
Title: Prospecção de reservatórios de oleorresina de Copaifera L. por meio de análises não destrutivas
Other Titles: Prospection of oleoresin reservoirs from Copaifera L. by non-destructive analysis
Authors: Martins, Bianca Cerqueira
Orientador(a): Latorraca, João Vicente de Figueiredo
Primeiro membro da banca: Latorraca, João Vicente de Figueiredo
Segundo membro da banca: Sanquetta, Carlos Roberto
Terceiro membro da banca: Silva Filho, Demóstenes Ferreira da
Quarto membro da banca: Vidaurre, Graziela Baptista
Quinto membro da banca: Tommasiello Filho, Mario
Keywords: Biotecnologia;Deep learning;Tecnologia de produtos florestais;Tomografia de impulso;Biotechnology;Deep learning;Forest products technology
Área(s) do CNPq: Ciências Ambientais
Idioma: por
Issue Date: 3-Dec-2021
Publisher: Universidade Federal Rural do Rio de Janeiro
Sigla da instituição: UFRRJ
Departamento: Instituto de Florestas
Programa: Programa de Pós-Graduação em Ciências Ambientais e Florestais
Citation: MARTINS, Bianca Cerqueira. Prospecção de reservatórios de oleorresina de Copaifera L. por meio de análises não destrutivas. 2021. 182 F. Tese (Doutorado em Ciências Ambientais e Florestais) - Instituto de Florestas, Departamento de Produtos Florestais, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2021.
Abstract: O oleorresina de copaíba (Copaifera L.) é uma matéria-prima potencial para diversos segmentos da indústria, devido às suas múltiplas propriedades. Porém, a identificação da localização dos reservatórios desta substância nos troncos das árvores é um obstáculo à previsibilidade de seu abastecimento continuado, afetando a comercialização sustentável do produto. Em um ambiente de elevada heterogeneidade entre os indivíduos arbóreos, torna-se um desafio constante na busca de métodos não invasivos para a prospecção do oleorresina. Neste trabalho, por meio de revisão bibliográfica e experimentação, buscou-se: i) revisar aspectos gerais à respeito do gênero Copaifera L. e de pesquisas que reforçam o seu potencial, da demanda por tecnologias para produtos florestais não madeireiros, das principais tecnologias disponíveis, além dos principais aspectos entendidos como desafios para este empreendimento; ii) analisar o potencial da tomografia de impulso (TI) para a prospecção de reservatórios de oleorresina no tronco de árvores de Copaifera sp.; iii) verificar a relação entre variáveis dendrométricas, meteorológicas e fenológica (presença/ausência de folhas) com a velocidade de propagação de ondas mecânicas (VPOM) e com as VPOM médias (VmPOM); iv) avaliar diferentes configurações de Redes neurais artificiais (RNA) e indicar o modelo mais apropriado para a predição do volume oleorresina de Copaifera sp., com base em variáveis dendrométricas, acústicas e sazonais. As tomografias foram realizadas em seções transversais, em 35 árvores, na altura do diâmetro à altura do peito (DAP ou 0%) e, entre essas, em 18 nas alturas a 25%, 50%, 75% e 100% (1ª bifurcação), sendo obtidas as variáveis: VmPOM, VPOM mínima, VPOM máxima, altura de prospecção em porcentagem (Hp%), altura total da árvore, diâmetro em Hp% e porcentagem de área da seção afetada por velocidades baixas. Investigou-se a interferência de diferentes períodos sazonais nos resultados tomográficos, por meio de variáveis acústicas, dendrométricas, meteorológicas (temperatura mínima e máxima, umidade relativa do ar), além da condição da fenologia foliar, em dois grupos de árvores: a) grupo A = 14 árvores – período sazonal transição para chuvoso (2018); b) grupo B = 14 árvores – período sazonal seco (2019). Além disso, foram testadas diferentes configurações de redes neurais artificiais (RNA), visando a predição do volume de oleorresina, nas quais empregou-se a arquitetura geral de aprendizado supervisionado Multilayer Perceptron (MLP). Para todas as análises, utilizou-se tetes estatísticos descritivos, experimentais e estatística multivariada. É possível prospectar reservatórios com uma quantidade significativa de oleorresina utilizando-se TI, mas, principalmente, indicar a exclusão de árvores, necessariamente, sem reservatório ou outras descontinuidades. A TI é sensível para captar mudanças no tronco das árvores, em função de períodos sazonais. A indicação de uma RNA de alta precisão (correlação treinamento = 0.994 e validação = 0.996) aproxima o manejo de oleorresina de outras tecnologias interessantes para seu planejamento e gestão, como aplicativos para melhorar a interface RNA-usuário, de modo a otimizar a etapa de inventário e, principalmente, a análise do custo-benefício associado à uma área de manejo.
Abstract: Copaíba oleoresin (Copaifera L.) is a potential raw material for several industry segments, due to its multiple properties. However, identifying the location of the reservoirs of this substance in tree trunks is an obstacle to the predictability of its continued supply, affecting the sustainable commercialization of the product. In an environment of high heterogeneity among arboreal individuals, it becomes a constant challenge in the search for non-invasive methods for prospecting for oleoresin. In this work, by means of literature review and experimentation, we aimed to: i) review general aspects concerning the genus Copaifera L. and researches that reinforce its potential, the demand for technologies for non-timber forest products, the main technologies available, besides the main aspects perceived as challenges for this enterprise; ii) analyze the potential of impulse tomography (IT) for the prospection of oleoresin reservoirs in the trunk of Copaifera sp. trees; iii) verify the relationship between dendrometric, meteorological and phenological variables (presence/absence of leaves) with the speed propagation of mechanical waves (VPOM) and with the average VPOM (VmPOM); iv) evaluate different configurations of artificial neural networks (ANN) and indicate the most appropriate model for predicting the oleoresin volume of Copaifera sp., based on dendrometric, acoustic and seasonal variables. The tomographies were performed in cross sections, in 35 trees, at diameter height at breast height (DBH or 0%) and, among these, in 18 at heights of 25%, 50%, 75% and 100% (1st bifurcation), obtaining the variables: VmPOM, minimum VPOM, maximum VPOM, prospecting height in percentage (Hp%), total tree height, diameter in Hp% and percentage of area of the section affected by low velocities. At this site, we also investigated the interference of different seasonal periods on tomographic results, through acoustic, dendrometric and meteorological (minimum and maximum temperature, relative humidity), in addition to the leaf phenology condition, in two groups of trees: a) group A = 14 trees – seasonal transition to rainy period (2018); b) group B = 14 trees – seasonal dry period (2019). In addition, different artificial neural networks (ANN) configurations were tested, aiming at the prediction of oleoresin volume, in which the general Multilayer Perceptron (MLP) supervised learning architecture was employed. For all analyses, descriptive, experimental and multivariate statistical tests were used. It is possible to prospect reservoirs with a significant amount of oleoresin using IT, but mainly to indicate the exclusion of trees, necessarily without reservoirs or other discontinuities. IT is sensitive to capture changes in the trunk of trees as a function of seasonal periods. The indication of a high-accurate ANN (training correlation = 0,994 and validation = 0,996) brings oleoresin management closer to other interesting technologies for its planning and management, such as applications to improve the RNA-user interface, so as to optimize the inventory stage and, mainly, the cost-benefit analysis associated with a management area.
URI: https://rima.ufrrj.br/jspui/handle/20.500.14407/9344
Appears in Collections:Doutorado em Ciências Ambientais e Florestais

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
2021 - Bianca Cerqueira Martins.pdf6.06 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.