Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.

Detalhes bibliográficos
Autor(a) principal: PEREIRA, André Ricardo dos Santos
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFRA
Resumo: Ministério da Educação e Universidade Federal Rural da Amazônia
id UFRA-1_b18c60d4363030991af0feede8979367
oai_identifier_str oai:repositorio.ufra.edu.br:123456789/674
network_acronym_str UFRA-1
network_name_str Repositório Institucional da UFRA
repository_id_str
spelling Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.Inteligência artificialFloresta tropicalRedes neurais artificiaisFloresta - Estimativa volumétrica - AmapáRedes neurais artificiais - Estimativa volumétricaMinistério da Educação e Universidade Federal Rural da AmazôniaAs boas práticas de manejo florestal requerem estimativas do volume na floresta sejam obtidas com eficiência e precisão, para auxílio na tomada de decisões sobre o uso da floresta. A metodologia convencional aplicada consiste no uso do fator de forma para corrigir o volume cilíndrico e o ajuste de equações de regressão pelo método dos mínimos quadrados. Recentemente uma alternativa vem sendo usada, técnicas computacionais de inteligência artificial ou as chamadas redes neurais artificiais (RNA) que, também buscam estimativas precisas dos volumes das árvores inventariadas em pé. Diante disso esse estudo objetiva aplicar esta tecnologia para estimar o volume de árvores em pé na Floresta Estadual do Amapá. Foram cubadas 1028 árvores caídas em bom estado de conservação com DAP >10cm pelo método de Smalian combinado com o de Hohenald em 30 unidades amostrais distribuídas em três fitofisionomias: Floresta de Terra Firme de Baixo Platô (FTFBP), Floresta de Terra Firme Submontana (FTFSM) e Transição Cerrado Floresta (TCF). Foram treinadas 50 redes neurais artificiais do tipo Mullilayerl^rceplron (MPL) para cada fitofisionomia usando DAP (diâmetro à altura do peito) e HC (altura do comercial) na camada de entrada e Volume (m3) na camada de saída. O tipo de treinamento aplicado foi o ResilientPropagation com função Sigmoidal e critérios de parada baseados em erro médio e número de ciclos. Os critérios usados para a avaliação da melhor RNA foram: análise gráfica dos resíduos, coeficiente de correlação (%), hias (viés) e raiz quadrada do erro quadrático médio (RQME). Também foram ajustados cinco modelos volumétricos matemáticos via análise de regressão, tendo como varáveis independentes o DAP (diâmetro à altura do peito) e HC (altura do comercial). De acordo com os resultados obtidos, as RNAs e os modelos matemáticos apresentaram resultados semelhantes. As RNAs com arquitetura 2-6-1 com variáveis de entrada DAP e HC, algoritmo de treinamento (MLP), com 30.000 ciclos e função de ativação sigmoidal, produziram os melhores resultados nas redes treinadas. O modelo de regressão proposto de Schumacher e Hall foi o que melhor se ajustou aos dados, podendo ser utilizado para estimar o volume de árvores em pé na Floresta Estadual do Amapá em suas três fitofisionomias FTFDBP, FTFDSM E TCF.Good forest management practices require estimates of available forest volume to be efficiently and accurately obtained to assist in making forest use decisions. The conventional methodology applied consists of the use of the form factor to correct the cylindrical volume and the adjustment of regression equations by least squares method. Recently a new altemative has been used that uses computational techniques of artificial intelligence or the so-called artificial neural networks (ANNs) that also search for precise estimates of the volumes of the inventoried standing trees. Therefore, this study aims to apply this new technology to estimate the volume of standing trees in the Amapá State Forest. Volumes of 1028 fallen trees in good condition with DAP >10cm were calculated by the Smalian method combined with the Hohenald method in 30 sample units distributed in three phytophysiognomies: Low Plateau Terra Firme Forest (FTFBP), Submontana Terra Firme Forest (FTFSM) and Forest-Savanna Transition (TCF). Fifty artificial neural networks of the Multilayer Perceptron type (MPL) were trained for each phytophysiognomy using DAP and HC (commercial height) in the inlet layer and Volume (m3) in the outlet layer. The type of training applied was Resilient Propagation with Sigmoidal function and stop criteria based on average error and number of cycles. The criteria used to evaluate the best RNA were: graphical analysis of residues, correlation coefficient (ryy), bias and square root mean square error (RQME). Five mathematical volume models were also tested via regression analysis, with the independent variables being DAP (diameter at breast height) and HC (commercial height). According to the results obtained, ANNs and mathematical models presented similar results. ANNs with 2-6-1 architecture with DAP and HC input variables, training algorithm (MLP), with 30,000 cycles and sigmoidal activation function, produced the best results in the trained networks. The proposed regression model of Schumacher and Hall was the one that best fit the data, and can be used to estimate the volume of standing trees in the Amapá State Forest in its three phytophysiognomies FTFDBP, FTFDSM and TCF.UFRASILVA, José Natalino MacedoPEREIRA, André Ricardo dos Santos2019-04-12T22:03:28Z2019-04-12T22:03:28Z2018-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfPEREIRA, André Ricardo dos Santos. Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá. Orientador: José Natalino Macedo Silva. 50 f. 2018. Dissertação (Mestrado em Ciências Florestais) - Universidade Federal Rural da Amazônia, Belém, 2018.repositorio.ufra.edu.br/jspui/handle/123456789/674Attribution-NonCommercial-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRAinstname:Universidade Federal Rural da Amazônia (UFRA)instacron:UFRA2019-04-12T22:03:28Zoai:repositorio.ufra.edu.br:123456789/674Repositório Institucionalhttp://repositorio.ufra.edu.br/jspui/PUBhttp://repositorio.ufra.edu.br/oai/requestrepositorio@ufra.edu.br || riufra2018@gmail.comopendoar:2019-04-12T22:03:28Repositório Institucional da UFRA - Universidade Federal Rural da Amazônia (UFRA)false
dc.title.none.fl_str_mv Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.
title Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.
spellingShingle Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.
PEREIRA, André Ricardo dos Santos
Inteligência artificial
Floresta tropical
Redes neurais artificiais
Floresta - Estimativa volumétrica - Amapá
Redes neurais artificiais - Estimativa volumétrica
title_short Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.
title_full Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.
title_fullStr Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.
title_full_unstemmed Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.
title_sort Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá.
author PEREIRA, André Ricardo dos Santos
author_facet PEREIRA, André Ricardo dos Santos
author_role author
dc.contributor.none.fl_str_mv SILVA, José Natalino Macedo
dc.contributor.author.fl_str_mv PEREIRA, André Ricardo dos Santos
dc.subject.por.fl_str_mv Inteligência artificial
Floresta tropical
Redes neurais artificiais
Floresta - Estimativa volumétrica - Amapá
Redes neurais artificiais - Estimativa volumétrica
topic Inteligência artificial
Floresta tropical
Redes neurais artificiais
Floresta - Estimativa volumétrica - Amapá
Redes neurais artificiais - Estimativa volumétrica
description Ministério da Educação e Universidade Federal Rural da Amazônia
publishDate 2018
dc.date.none.fl_str_mv 2018-07
2019-04-12T22:03:28Z
2019-04-12T22:03:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv PEREIRA, André Ricardo dos Santos. Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá. Orientador: José Natalino Macedo Silva. 50 f. 2018. Dissertação (Mestrado em Ciências Florestais) - Universidade Federal Rural da Amazônia, Belém, 2018.
repositorio.ufra.edu.br/jspui/handle/123456789/674
identifier_str_mv PEREIRA, André Ricardo dos Santos. Uso de redes neurais artificiais como alternativa para estimativa volumétrica na floresta estadual do Amapá. Orientador: José Natalino Macedo Silva. 50 f. 2018. Dissertação (Mestrado em Ciências Florestais) - Universidade Federal Rural da Amazônia, Belém, 2018.
repositorio.ufra.edu.br/jspui/handle/123456789/674
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 United States
http://creativecommons.org/licenses/by-nc-nd/3.0/us/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 United States
http://creativecommons.org/licenses/by-nc-nd/3.0/us/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv UFRA
publisher.none.fl_str_mv UFRA
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRA
instname:Universidade Federal Rural da Amazônia (UFRA)
instacron:UFRA
instname_str Universidade Federal Rural da Amazônia (UFRA)
instacron_str UFRA
institution UFRA
reponame_str Repositório Institucional da UFRA
collection Repositório Institucional da UFRA
repository.name.fl_str_mv Repositório Institucional da UFRA - Universidade Federal Rural da Amazônia (UFRA)
repository.mail.fl_str_mv repositorio@ufra.edu.br || riufra2018@gmail.com
_version_ 1797689107571277824

Registros relacionados