No abstract

Research highlights: We used Dijkstra Algorithm (DA) to define optimal allocation of yards in order to minimize total skid-trail’s distance in the Amazon Forest. DA minimized trails’ distances and associated transportation costs, leading to an even smaller value when the current planning was disregarded and suggesting the reduction of deleterious environmental externalities. Background and objectives: We sought to answer if it is possible to optimize distances and intrinsic costs in the management of Amazonian forests using DA. The objective was to minimize skid trails distances by best allocating yards using DA and to compare four scenarios of forest harvest planning in the Brazilian Amazon. Materials and methods: Tree census data from Gênesis-Salém Farm, state of Pará, Brazil, were used. The yards and roads located by Grupo Arboris (scenario 1) were compared to three alternative scenarios in terms of total skid distance, trails and road densities, and skidding costs for three successive harvests, seeking to minimize total skid-trails’ distance. Alternative scenarios were to keep the number of yards within work units (WU) and place them in the edge of existing roads (scenario 2); keep the number of yards within each WU (scenario 3); and place 23 yards, disregarding the current planning (scenario 4). Results: Total skid-trail’s distance, number of trees above optimal extraction distance and densities of skid trails and roads were smaller in scenarios 2, 3, and 4, compared to the current yard allocation (scenario 1). Scenario 4, with fewer restrictions, reduced skid-trails’ distances by 23%. Harvest costs decreased from scenario 1 to 4 in all three harvest cycles. Conclusions: DA allowed optimized distribution of yards and skid trails and generated efficient results for harvest planning. This reinforces the importance of optimized planning, which establishes satisfactory results in the effort to reduce costs and environmental impact keeping high efficiency.

Esta investigación consiste en una revisión literaria de publicaciones científicas en el área de la inteligencia artificial (IA), pertenecientes a revistas científicas encontradas en el portal SCImago Journal & Country Rank. La búsqueda de información se realizó utilizando palabras clave y títulos de investigaciones publicadas entre los años 1970 y 2020 en la base de datos de Scopus. El objetivo de este artículo es identificar los aportes de la IA en la educación en las últimas cinco décadas, dara conocer las revistas científicas con los índices de impacto más altos en el área de la IA en los últimos 10 años, y analizar el papel que desempeñará la IA en la educación post Covid-19. Los resultados evidencian aportes significativos de la IA en la educación, empleando técnicas de redes neuronales, big data, visión por computador, asistentes digitales virtuales, aprendizaje automático y análisis predictivo, siendo Estados Unidos el país que posee el mayor número de revistas científicas (siete) dedicadas al área de la IA. Finalmente, destacamos la necesidad de involucrar la IA en el proceso de enseñanza y aprendizaje en una educación post Covid-19.

No abstract

The Guazuma crinita Mart. is a dominant species of great economic importance for the inhabitants of the Peruvian Amazon, standing out for its rapid growth and being harvested at an early age. Understanding its vertical growth is a challenge that researchers have continued to study using different hypsometric modeling techniques. Currently, machine learning techniques, especially artificial neural networks, have revolutionized modeling for forest management, obtaining more accurate predictions; it is because we understand that it is of the utmost importance to adapt, evaluate and apply these methods in this species for large areas. The objective of this study was to build and evaluate the efficiency of the use of a deep neural network for the prediction of the total height of Guazuma crinita Mart. from a large-scale continuous forest inventory. To do this, we explore different configurations of the hidden layer hyperparameters and define the variables according to the function HT = f(x) where HT is the total height as the output variable and x is the input variable(s). Under this criterion, we established three HT relationships: based on the diameter at breast height (DBH), (i) HT = f(DBH); based on DBH and Age, (ii) HT = f(DBH, Age) and based on DBH, Age and Agroclimatic variables, (iii) HT = f(DBH, Age, Agroclimatology), respectively. In total, 24 different configuration models were established for each function, concluding that the deep artificial neural network technique presents a satisfactory performance for the predictions of the total height of Guazuma crinita Mart. for modeling large areas, being the function based on DBH, Age and agroclimatic variables, with a performance validation of RMSE = 0.70, MAE = 0.50, bias% = −0.09 and VAR = 0.49, showed better accuracy than the others.

El muestreo optimizado en inventarios forestales permite perfeccionar las tecnologías de manejo forestal sostenible. Se desarrolló una metodología para determinar la intensidad optima de muestreo en inventarios forestales continuos, ajustándolos al principio n° 08 del FSC (Forest Stewardship Council). Datos de un censo con mapeo de árboles con DAP ≥ 35 cm fueron utilizados. Un simulador de plan de corte que combina un algoritmo genético y un Sistema de Información Geográfica (GIS) fue desarrollado. Diez planes de corte fueron simulados, cinco con intensidad de 22 m3 ha-1 y cinco con 30 m3 ha-1. El área efectiva de explotación forestal fue dividida en 4 690 parcelas (100 x 100 m), en las cuales fueron asignados los árboles mapeados en el censo. En la preparación del algoritmo genético dos enfoques (A y B) fueron considerados. El enfoque A buscó maximizar el número de especies muestreadas con base en las intensidades de muestreo predefinidas 1:1 000, 1:750, 1:500, 1:250 y 1:200. El enfoque B buscó minimizar el número de parcelas permanentes para muestrear todas las especies cosechadas. No fue posible muestrear todas las especies cosechadas utilizando intensidades de muestreo pre-definidas. Para cumplir con el Principio n° 08 del FSC, la metodología determinó una intensidad óptima de muestreo de 1:180 y 1:165 para las intensidades de corte de 22 m3 ha-1 y 30 m3 ha-1 respectivamente. No hubo diferencia significativa entre el número de especies cosechadas en las diferentes intensidades de corte.

Se tuvo por objetivo evaluar el cambio de la cobertura y uso de la tierra por actividades antrópicas en el distrito de Chota-Perú, durante los años 2003 y 2019. Se usó análisis de imágenes satelitales Landsat, se utilizó la metodología Corine Land Cover, en un nivel II y III. Se identificaron nueve coberturas de la tierra: tejido urbano continuo, cultivos transitorios, pastos, bosques plantados, herbazal, arbustal, afloramientos rocosos, tierras desnudas y lagunas, lagos y ciénagas naturales permanentes. En total, el cambio producido fue de 6 804,06 ha (25,36%), mientras que 20 022,77 ha (74,64%) no experimentó cambio alguno. En el mismo periodo, las coberturas de la tierra que aumentaron su área fueron los cultivos transitorios en 10,94% (2 934,35 ha), tierras desnudas en 1,11% (298,91 ha), el tejido urbano continuo en 0,73% (196,33 ha) y los bosques plantados en 0.53% (143,34 ha); en tanto las coberturas que disminuyeron su área fueron el herbazal en 6,91% (1 853,57 ha), el arbustal en 4,79% (1 284,86 ha), los pastos en 1,55% (416,02 ha), el afloramiento rocoso en 0,06% (16,25 ha) y lagunas, lagos y ciénagas naturales permanentes en 0,01% (2,03 ha). El factor principal de los cambios ocasionados sobre la cobertura y uso de la tierra en el distrito de Chota es el crecimiento poblacional de 7%, ejerciendo presión sobre estas áreas, con una clara tendencia hacia el incremento de las áreas agrícolas y el crecimiento urbano, produciéndose un cambio de cobertura y uso de la tierra del 25,36%.

No abstract