Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.

Detalhes bibliográficos
Autor(a) principal: CERQUEIRA, C. L.
Data de Publicação: 2019
Outros Autores: ARCE, J. E., VENDRUSCOLO, D. G. S., DOLÁCIO, C. J. F., COSTA FILHO, S. V. S. da, TONINI, H.
Tipo de documento: Artigo
Idioma: eng
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/1114617
Resumo: Modelagem do afilamento do fuste de eucalipto em sistema de integração Lavoura-Pecuária-Floresta. Este trabalho teve como objetivo avaliar e comparar a modelagem de efeitos mistos e redes neurais artificiais para estimar o afilamento de eucalipto em sistemas de integração Lavoura-Pecuária-Floresta (iLPF). Os dados foram coletados em uma área experimental de iLPF, implantada pela Empresa Brasileira de Pesquisa Agropecuária ? EMBRAPA Agrossilvipastoril, localizada no município de Sinop, Estado do Mato Grosso. Para alcançar o objetivo proposto, 165 árvores com 51 meses de idade foram cubadas para a modelagem do afilamento com modelos de efeitos mistos e redes neurais artificiais. O desempenho destas técnicas foi avaliado por meio de estatísticas de precisão e análise gráfica. A modelagem de efeitos mistos e redes neurais artificiais são eficientes e recomendadas para estimativa do afilamento de eucalipto em sistema de integração Lavoura-Pecuária-Floresta; contudo, apesar de ambas técnicas avaliadas apresentarem resultados precisos para predição do afilamento das árvores amostradas, a rede neural artificial prediz valores com maior precisão que a modelagem de efeitos mistos. Palavras-chave: Biometria florestal, Inteligência artificial, Modelagem não linear mista. This paper aims to evaluate and compare the mixed effects modeling and artificial neural networks in order to estimate the taper of eucalyptus in integrated Crop-Livestock-Forestry (iCLF) systems. The data were collected in an experimental area of iCLF, implanted by the Brazilian Company of Farming Research ? EMBRAPA Agrossilvipastoril, located in the municipality of Sinop, Mato Grosso State, Brazil. To reach the proposed aim, 165 trees with 51 months of age were scaled for the taper modeling with mixed effects models and artificial neural networks. The performance of these techniques was evaluated through precision measurements and graphical analysis. Mixed effects modeling and artificial neural networks are efficient and recommended in the estimative of taper of eucalyptus in integrated Crop-Livestock-Forestry system; however, despite both evaluated techniques present accurate results in predicting the taper of the sampled trees, the artificial neural network predicts values with greater precision than the modeling of mixed effects. Keywords: Forest biometry, Artificial intelligence, Nonlinear mixed modeling.
id EMBR_7b71fc56aa65a2ba9db6dfbce27f3329
oai_identifier_str oai:www.alice.cnptia.embrapa.br:doc/1114617
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 Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.LavouraPecuáriaFlorestaIntegraçãoBiometriaModelagem do afilamento do fuste de eucalipto em sistema de integração Lavoura-Pecuária-Floresta. Este trabalho teve como objetivo avaliar e comparar a modelagem de efeitos mistos e redes neurais artificiais para estimar o afilamento de eucalipto em sistemas de integração Lavoura-Pecuária-Floresta (iLPF). Os dados foram coletados em uma área experimental de iLPF, implantada pela Empresa Brasileira de Pesquisa Agropecuária ? EMBRAPA Agrossilvipastoril, localizada no município de Sinop, Estado do Mato Grosso. Para alcançar o objetivo proposto, 165 árvores com 51 meses de idade foram cubadas para a modelagem do afilamento com modelos de efeitos mistos e redes neurais artificiais. O desempenho destas técnicas foi avaliado por meio de estatísticas de precisão e análise gráfica. A modelagem de efeitos mistos e redes neurais artificiais são eficientes e recomendadas para estimativa do afilamento de eucalipto em sistema de integração Lavoura-Pecuária-Floresta; contudo, apesar de ambas técnicas avaliadas apresentarem resultados precisos para predição do afilamento das árvores amostradas, a rede neural artificial prediz valores com maior precisão que a modelagem de efeitos mistos. Palavras-chave: Biometria florestal, Inteligência artificial, Modelagem não linear mista. This paper aims to evaluate and compare the mixed effects modeling and artificial neural networks in order to estimate the taper of eucalyptus in integrated Crop-Livestock-Forestry (iCLF) systems. The data were collected in an experimental area of iCLF, implanted by the Brazilian Company of Farming Research ? EMBRAPA Agrossilvipastoril, located in the municipality of Sinop, Mato Grosso State, Brazil. To reach the proposed aim, 165 trees with 51 months of age were scaled for the taper modeling with mixed effects models and artificial neural networks. The performance of these techniques was evaluated through precision measurements and graphical analysis. Mixed effects modeling and artificial neural networks are efficient and recommended in the estimative of taper of eucalyptus in integrated Crop-Livestock-Forestry system; however, despite both evaluated techniques present accurate results in predicting the taper of the sampled trees, the artificial neural network predicts values with greater precision than the modeling of mixed effects. Keywords: Forest biometry, Artificial intelligence, Nonlinear mixed modeling.Clebson Lima Cerqueira, UFPR; Julio Eduardo Arce, UFPR; Diogo Guido Streck Vendruscolo, Proterra Florestal; Cícero Jorge Fonseca Dolácio, UFPR; Sérgio Vinícius Serejo da Costa Filho, UFPR; HELIO TONINI, CPPSUL.CERQUEIRA, C. L.ARCE, J. E.VENDRUSCOLO, D. G. S.DOLÁCIO, C. J. F.COSTA FILHO, S. V. S. daTONINI, H.2019-11-19T18:08:44Z2019-11-19T18:08:44Z2019-11-1920192019-11-19T18:08:44Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleFloresta, v. 49, n. 3, p. 493-502, jul./set. 2019.http://www.alice.cnptia.embrapa.br/alice/handle/doc/1114617enginfo: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:EMBRAPA2019-11-19T18:08:50Zoai:www.alice.cnptia.embrapa.br:doc/1114617Repositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestcg-riaa@embrapa.bropendoar:21542019-11-19T18:08:50Repositório 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 Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.
title Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.
spellingShingle Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.
CERQUEIRA, C. L.
Lavoura
Pecuária
Floresta
Integração
Biometria
title_short Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.
title_full Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.
title_fullStr Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.
title_full_unstemmed Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.
title_sort Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.
author CERQUEIRA, C. L.
author_facet CERQUEIRA, C. L.
ARCE, J. E.
VENDRUSCOLO, D. G. S.
DOLÁCIO, C. J. F.
COSTA FILHO, S. V. S. da
TONINI, H.
author_role author
author2 ARCE, J. E.
VENDRUSCOLO, D. G. S.
DOLÁCIO, C. J. F.
COSTA FILHO, S. V. S. da
TONINI, H.
author2_role author
author
author
author
author
dc.contributor.none.fl_str_mv Clebson Lima Cerqueira, UFPR; Julio Eduardo Arce, UFPR; Diogo Guido Streck Vendruscolo, Proterra Florestal; Cícero Jorge Fonseca Dolácio, UFPR; Sérgio Vinícius Serejo da Costa Filho, UFPR; HELIO TONINI, CPPSUL.
dc.contributor.author.fl_str_mv CERQUEIRA, C. L.
ARCE, J. E.
VENDRUSCOLO, D. G. S.
DOLÁCIO, C. J. F.
COSTA FILHO, S. V. S. da
TONINI, H.
dc.subject.por.fl_str_mv Lavoura
Pecuária
Floresta
Integração
Biometria
topic Lavoura
Pecuária
Floresta
Integração
Biometria
description Modelagem do afilamento do fuste de eucalipto em sistema de integração Lavoura-Pecuária-Floresta. Este trabalho teve como objetivo avaliar e comparar a modelagem de efeitos mistos e redes neurais artificiais para estimar o afilamento de eucalipto em sistemas de integração Lavoura-Pecuária-Floresta (iLPF). Os dados foram coletados em uma área experimental de iLPF, implantada pela Empresa Brasileira de Pesquisa Agropecuária ? EMBRAPA Agrossilvipastoril, localizada no município de Sinop, Estado do Mato Grosso. Para alcançar o objetivo proposto, 165 árvores com 51 meses de idade foram cubadas para a modelagem do afilamento com modelos de efeitos mistos e redes neurais artificiais. O desempenho destas técnicas foi avaliado por meio de estatísticas de precisão e análise gráfica. A modelagem de efeitos mistos e redes neurais artificiais são eficientes e recomendadas para estimativa do afilamento de eucalipto em sistema de integração Lavoura-Pecuária-Floresta; contudo, apesar de ambas técnicas avaliadas apresentarem resultados precisos para predição do afilamento das árvores amostradas, a rede neural artificial prediz valores com maior precisão que a modelagem de efeitos mistos. Palavras-chave: Biometria florestal, Inteligência artificial, Modelagem não linear mista. This paper aims to evaluate and compare the mixed effects modeling and artificial neural networks in order to estimate the taper of eucalyptus in integrated Crop-Livestock-Forestry (iCLF) systems. The data were collected in an experimental area of iCLF, implanted by the Brazilian Company of Farming Research ? EMBRAPA Agrossilvipastoril, located in the municipality of Sinop, Mato Grosso State, Brazil. To reach the proposed aim, 165 trees with 51 months of age were scaled for the taper modeling with mixed effects models and artificial neural networks. The performance of these techniques was evaluated through precision measurements and graphical analysis. Mixed effects modeling and artificial neural networks are efficient and recommended in the estimative of taper of eucalyptus in integrated Crop-Livestock-Forestry system; however, despite both evaluated techniques present accurate results in predicting the taper of the sampled trees, the artificial neural network predicts values with greater precision than the modeling of mixed effects. Keywords: Forest biometry, Artificial intelligence, Nonlinear mixed modeling.
publishDate 2019
dc.date.none.fl_str_mv 2019-11-19T18:08:44Z
2019-11-19T18:08:44Z
2019-11-19
2019
2019-11-19T18:08:44Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv Floresta, v. 49, n. 3, p. 493-502, jul./set. 2019.
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1114617
identifier_str_mv Floresta, v. 49, n. 3, p. 493-502, jul./set. 2019.
url http://www.alice.cnptia.embrapa.br/alice/handle/doc/1114617
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
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_ 1817695572238270464