Portal do Ementário

Geral:Apresentar conhecimentos de manejo florestal aos estudantes para que ao final do curso eles possam entender o processo de crescimento e produção e o gerenciamento de florestas plantadas. Específicos:Apresentar conceitos e métodos para avaliar o crescimento e a produção florestal; Apresentar conceitos e tecnologias tradicionais e avançadas para o manejo sustentável de florestas plantadas.

Conceitos. Espaçamento. Regimes de Manejo. Classificação da capacidade produtiva. Crescimento e produção de florestas plantadas. Avaliação econômica de projetos florestais. Regulação florestal. Pesquisa Operacional aplicada ao manejo florestal. Sensoriamento Remoto aplicado ao manejo florestal. Aprendizado de máquinas aplicado ao manejo florestal. Uso de softwares no manejo de florestas plantadas.

ALMEIDA, M. B de; CUNHA, M. J. da. Support vector machine: uma introdução. 2015. 84 p. BREIMAN, L.; FRIEDMAN, J.;STONE, C. J.; OLSHEN, R. A. Classication and regression trees. Boca Raton:CRC press, 1984. 368p. BUONGIORNO, J.; GILLES, J. K. Decision methods for forest resource management. Boston: Academic. 2003. 439 p. CAMPOS, J. C. C.; LEITE, H. G. Mensuração florestal: perguntas e respostas, 5.ed. Viçosa: UFV, 2017. 636p. BRAGA, A.P.; CARVALHO, A.P.L.F.; LUDEMIR, T.B. Redes neurais artificiais: teoria e aplicações. Rio de Janeiro: Editora LTC, 2007. 262 p. CLUTTER, J. C.; PIENAAR, L. V.; BRISTER, G. H.; BAILEY, R. A. Timber management: a quantitative approach. 3. ed. New York: Jonh Willey, 1983. 333p. DAVIS, L. S.; JOHNSON, K. N.; BETTINGER, P.; HOWARD, T. Forest management. 4.ed. New York: McGraw-Hill, 2000. 816p. GOLDBARG, M. C.; LUNA, P. L. L. Otimização combinatória e programação linear: modelos e algoritmos. 2.ed. Rio de Janeiro: Elsevier, 2005. GOLDBARG, M. C.; GOLDBARG, E. G.; LUNA, P. L. L. Otimização combinatória e meta-heurísticas. 1.ed. Rio de Janeiro: Elsevier, 2016. GORGENS, E. B.; SILVA, A. G. P.; ESTRAVIZ RODRIGUEZ, L. C. LiDAR: aplicações florestais. Curitiba: Editora CRV. 2014. HAYKIN, S. Redes neurais: princípios e prática. 2. ed. Porto Alegre: Bookman, 2001. 900 p. KERSHAW, J. A.; DUCEY, M. J.; BEERS, T. W.; HUSCH, B. Forest mensuration. 5.ed. John Wiley & Sons, Ltd, Chichester, UK. 2017. 630p. NOVO, E, M, de M. Sensoriamento remoto: princípios e aplicações. 4.ed. São Paulo. Blucher. 2010.388p PONZONI, F. J.; SHIMABUKURO, Y. E.; KUPLICH, T. M. Sensoriamento Remoto da vegetação. 2.ed. São Paulo: Oficina de Textos, 2012. REZENDE, J. L. P.; OLIVEIRA, A. D. Análise econômica e social de projetos florestais. 3.ed. Viçosa: UFV, 2013. 385 p. SCHNEIDER, P. R.; SCHNEIDER, P. S. P. Introdução ao manejo florestal. 2. ed. Santa Maria: FACOS-UFSM, 2008. 566p. SCOLFORO, J. R. S. Manejo florestal. Lavras: UFLA/FAEPE, 1998. 438 p. SCOLFORO, J. R. S. Biometria florestal: modelos de crescimento e produção florestal.Lavras: UFLA/FAEPE, 2006. 393p. SOUZA, L. A. Estimação de altura, volume e afilamento de arvores de eucalipto utilizando máquina de vetor de suporte. 2017. 89p. Dissertação (Mestrado em Ciências Florestais) Universidade Federal do Espírito Santo, Jerônimo Monteiro.2017. TANAKA, K. An introduction to Fuzzy Logic for practical applications. New York: Springer. 1996. 148p. VALENÇA, M. Fundamentos das redes neurais artificiais: exemplos em Java. 2.ed. rev. ampl.  Olinda: Livro Rápido. 2010. 386p. VANCLAY, J.K. Modeling forest growth and yield: applications to mixed tropical forests. Wallingford: CAB International, 1994. 312p. SILVA, J. P. M. Prognose da produção florestal utilizando sistema neuro-fuzzy e random forest. 2018. 67f. Dissertação (Mestrado em Ciências Florestais) - Universidade Federal do Espírito Santo, Jerônimo Monteiro. 2015.