Projeção do crescimento arbóreo em floresta estacional semidecidual submontana.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | , , , , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
Texto Completo: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1143492 |
Resumo: | A Mata Atlântica é um hotspot global para a conservação da biodiversidade devido à sua riqueza de espécies e endemismo, porém, as ações antrópicas ameaçam e desequilibram a dinâmica dos processos naturais do bioma. Assim, com o objetivo de contribuir com estudos sobre conservação em florestas tropicais, o presente estudo investigou o comportamento da projeção em diâmetro e altura, por meio de ferramentas de regressão e inteligência artificial, com a influência de índices de competição em um fragmento de floresta estacional semidecidual na área do Bioma Mata Atlântica no sudeste do Brasil. As análises foram realizadas de acordo a classificação em grupos ecológicos e quanto à exigência por luz. Foram ajustados quatro modelos de regressão, dois para estimar o diâmetro (DAP) e dois para estimar a altura (H). No processo de aprendizado das redes, selecionaram-se as quatro melhores Redes Neurais Artificiais (RNA), em que cada RNA estimou simultaneamente as variáveis DAP e H. Dentre as redes selecionada, foi definida a melhor RNA visando contrastar com os resultados dos modelos validados. A partir das estatísticas de precisão e análises gráficas, concluiu-se que projetar o crescimento dendrométrico por RNA foi mais eficiente que por modelos tradicionais. |
id |
EMBR_94b697bd4c1f1309664bdae6b3336867 |
---|---|
oai_identifier_str |
oai:www.alice.cnptia.embrapa.br:doc/1143492 |
network_acronym_str |
EMBR |
network_name_str |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
repository_id_str |
2154 |
spelling |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana.Sucessão ecológicaInteligência artificialCompetição florestalMata atlânticaA Mata Atlântica é um hotspot global para a conservação da biodiversidade devido à sua riqueza de espécies e endemismo, porém, as ações antrópicas ameaçam e desequilibram a dinâmica dos processos naturais do bioma. Assim, com o objetivo de contribuir com estudos sobre conservação em florestas tropicais, o presente estudo investigou o comportamento da projeção em diâmetro e altura, por meio de ferramentas de regressão e inteligência artificial, com a influência de índices de competição em um fragmento de floresta estacional semidecidual na área do Bioma Mata Atlântica no sudeste do Brasil. As análises foram realizadas de acordo a classificação em grupos ecológicos e quanto à exigência por luz. Foram ajustados quatro modelos de regressão, dois para estimar o diâmetro (DAP) e dois para estimar a altura (H). No processo de aprendizado das redes, selecionaram-se as quatro melhores Redes Neurais Artificiais (RNA), em que cada RNA estimou simultaneamente as variáveis DAP e H. Dentre as redes selecionada, foi definida a melhor RNA visando contrastar com os resultados dos modelos validados. A partir das estatísticas de precisão e análises gráficas, concluiu-se que projetar o crescimento dendrométrico por RNA foi mais eficiente que por modelos tradicionais.ILVAN MEDEIROS LUSTOSA JUNIOR; RENATO VINÍCIUS OLIVEIRA CASTRO; RICARDO DE OLIVEIRA GASPAR; JULIANA BALDAN COSTA NEVES ARAÚJO; FABIANA DE GOIS AQUINO, CPAC; MAISA ISABELA RODRIGUES; LIDIOMAR SOARES DA COSTA; LEONIDAS SOARES MURTA JÚNIOR; GENILDA CANUTO AMARAL.LUSTOSA JUNIOR, I. M.CASTRO, R. V. O.GASPAR, R. de O.ARAÚJO, J. B. C. N.AQUINO, F. de G.RODRIGUES, M. I.COSTA, L. S. daMURTA JÚNIOR, L. S.AMARAL, G. C.2022-05-26T20:20:51Z2022-05-26T20:20:51Z2022-05-262022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articlep. 14-28Revista Ibero-Americana de Ciências Ambientais, v. 12, n. 5, 2022.2179-6858http://www.alice.cnptia.embrapa.br/alice/handle/doc/1143492porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPA2022-05-26T20:21:01Zoai:www.alice.cnptia.embrapa.br:doc/1143492Repositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestopendoar:21542022-05-26T20:21:01falseRepositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestcg-riaa@embrapa.bropendoar:21542022-05-26T20:21:01Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false |
dc.title.none.fl_str_mv |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana. |
title |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana. |
spellingShingle |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana. LUSTOSA JUNIOR, I. M. Sucessão ecológica Inteligência artificial Competição florestal Mata atlântica |
title_short |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana. |
title_full |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana. |
title_fullStr |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana. |
title_full_unstemmed |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana. |
title_sort |
Projeção do crescimento arbóreo em floresta estacional semidecidual submontana. |
author |
LUSTOSA JUNIOR, I. M. |
author_facet |
LUSTOSA JUNIOR, I. M. CASTRO, R. V. O. GASPAR, R. de O. ARAÚJO, J. B. C. N. AQUINO, F. de G. RODRIGUES, M. I. COSTA, L. S. da MURTA JÚNIOR, L. S. AMARAL, G. C. |
author_role |
author |
author2 |
CASTRO, R. V. O. GASPAR, R. de O. ARAÚJO, J. B. C. N. AQUINO, F. de G. RODRIGUES, M. I. COSTA, L. S. da MURTA JÚNIOR, L. S. AMARAL, G. C. |
author2_role |
author author author author author author author author |
dc.contributor.none.fl_str_mv |
ILVAN MEDEIROS LUSTOSA JUNIOR; RENATO VINÍCIUS OLIVEIRA CASTRO; RICARDO DE OLIVEIRA GASPAR; JULIANA BALDAN COSTA NEVES ARAÚJO; FABIANA DE GOIS AQUINO, CPAC; MAISA ISABELA RODRIGUES; LIDIOMAR SOARES DA COSTA; LEONIDAS SOARES MURTA JÚNIOR; GENILDA CANUTO AMARAL. |
dc.contributor.author.fl_str_mv |
LUSTOSA JUNIOR, I. M. CASTRO, R. V. O. GASPAR, R. de O. ARAÚJO, J. B. C. N. AQUINO, F. de G. RODRIGUES, M. I. COSTA, L. S. da MURTA JÚNIOR, L. S. AMARAL, G. C. |
dc.subject.por.fl_str_mv |
Sucessão ecológica Inteligência artificial Competição florestal Mata atlântica |
topic |
Sucessão ecológica Inteligência artificial Competição florestal Mata atlântica |
description |
A Mata Atlântica é um hotspot global para a conservação da biodiversidade devido à sua riqueza de espécies e endemismo, porém, as ações antrópicas ameaçam e desequilibram a dinâmica dos processos naturais do bioma. Assim, com o objetivo de contribuir com estudos sobre conservação em florestas tropicais, o presente estudo investigou o comportamento da projeção em diâmetro e altura, por meio de ferramentas de regressão e inteligência artificial, com a influência de índices de competição em um fragmento de floresta estacional semidecidual na área do Bioma Mata Atlântica no sudeste do Brasil. As análises foram realizadas de acordo a classificação em grupos ecológicos e quanto à exigência por luz. Foram ajustados quatro modelos de regressão, dois para estimar o diâmetro (DAP) e dois para estimar a altura (H). No processo de aprendizado das redes, selecionaram-se as quatro melhores Redes Neurais Artificiais (RNA), em que cada RNA estimou simultaneamente as variáveis DAP e H. Dentre as redes selecionada, foi definida a melhor RNA visando contrastar com os resultados dos modelos validados. A partir das estatísticas de precisão e análises gráficas, concluiu-se que projetar o crescimento dendrométrico por RNA foi mais eficiente que por modelos tradicionais. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-05-26T20:20:51Z 2022-05-26T20:20:51Z 2022-05-26 2022 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Revista Ibero-Americana de Ciências Ambientais, v. 12, n. 5, 2022. 2179-6858 http://www.alice.cnptia.embrapa.br/alice/handle/doc/1143492 |
identifier_str_mv |
Revista Ibero-Americana de Ciências Ambientais, v. 12, n. 5, 2022. 2179-6858 |
url |
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1143492 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
p. 14-28 |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa) instacron:EMBRAPA |
instname_str |
Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
instacron_str |
EMBRAPA |
institution |
EMBRAPA |
reponame_str |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
collection |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
repository.name.fl_str_mv |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
repository.mail.fl_str_mv |
cg-riaa@embrapa.br |
_version_ |
1794503523775283200 |