Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores

Detalhes bibliográficos
Autor(a) principal: Murta Júnior, Leonidas Soares
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFVJM
Texto Completo: https://acervo.ufvjm.edu.br/items/3f73829f-96f7-499a-b3ad-a46712d53fb5
Resumo: O objetivo deste trabalho foi testar procedimentos para determinar o volume individual de árvores, consistindo em métodos alternativos ao processo de cubagem. No capítulo 1, foi testado o método da similaridade de perfis combinado com diferentes medidas de similaridade, modelos de taper, métodos de estimação de parâmetros representativos de estratos sem equação e diferentes métodos de geração de equação volumétrica. Os dados utilizados foram de 3.620 árvores abatidas e cubadas, divididas 62 estratos. Foram medidas as variáveis DAP, altura total, e os diâmetros ao longo do fuste nas posições de 0,00; 0,50; 1,00; 1,50 e 2,00 m, e a partir deste, as seções foram medidas de 2,0 em 2,0 m, até a altura total. O modelo volumétrico de Schumacher e Hall foi ajustado por estrato. Os modelos de taper utilizados foram o de Kozak, de Garcia, de Ormerod e o Polinômio de Quinto Grau. As distâncias testadas foram a Distância Euclidiana, Distância Euclidiana Média, Distância Euclidiana Ponderada e Distância Euclidiana Quadrática. Foram testados 2 métodos de estimação dos parâmetros dos modelos de afilamento (3 árvores; e os parâmetros da árvore mais próxima ao diâmetro médio) e 3 métodos de determinação da equação volumétrica (equação do estrato mais similar, equação das 30 árvores mais similares e equação gerada com o número de árvores referentes a 5 árvores por classe de diâmetro do estrato sem equação definida), que combinados configuraram os 5 procedimentos testados. As estatísticas utilizadas para verificar a qualidade das estimativas foram bias, raiz quadrada do erro médio, correlação e análise gráfica de resíduos. A validação foi realizada com dados independentes para 4 estratos. Os resultados indicaram que não houve diferença entre as medidas de similaridade utilizadas. Os melhores modelos foram o Polinômio de Quinto Grau e o de Kozak, sendo o segundo mais indicado devido a sua facilidade de ajuste. O método de geração da equação baseada nas 30 árvores mais similares proporcionou as melhores estimativas volumétricas. No capítulo 2, foi utilizado redes neurais artificiais (RNA) para estimar o volume individual de árvores. Os dados foram os mesmos utilizados no capítulo 1. As variáveis de entrada utilizadas foram: entrada 1 (DAP, altura total, diâmetros a 0,00; 0,50; 1,00; 1,50 e 2,00 metros de altura); entrada 2 (adição do volume até 2 metros); entrada 3 (adição do grau de esbeltez) e entrada 4 (adição da variável categórica representando a forma do fuste até 2 metros de altura). Foram retidas as 5 melhores redes por conjunto de variáveis de entrada. Os dados foram divididos em 60% para treinamento, 20% para teste e 20% para generalização. Para avaliar as estimativas foram utilizadas as estatísticas bias, raiz quadrada do erro médio, correlação e análise gráfica dos resíduos. A melhor metodologia para gerar as redes foi aplicada a dados independentes para se avaliar a qualidade das estimativas de volume. As redes que proporcionaram as melhores estimativas foram as geradas pelo conjunto de variáveis de entrada 2 (DAP, altura total, diâmetros a 0,00; 0,50; 1,00; 1,50; 2,00 metros de altura e volume até 2 metros).
id UFVJM-2_640ab864db12ac73c68ee179533a51d9
oai_identifier_str oai:acervo.ufvjm.edu.br:1/350
network_acronym_str UFVJM-2
network_name_str Repositório Institucional da UFVJM
repository_id_str 2145
spelling Murta Júnior, Leonidas SoaresCastro, Renato Vinícius OliveiraNogueira, Gilciano SaraivaAbrahão, Christovão PereiraUniversidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)Oliveira, Marcio Leles Romarco de2015-01-07T10:46:50Z2015-01-07T10:46:50Z20132013-07-19MURTA JÚNIOR, Leonidas Soares. Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores. 2013. 102 p. Dissertação (Mestrado) – Programa de Pós-Graduação em Ciência Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2013.https://acervo.ufvjm.edu.br/items/3f73829f-96f7-499a-b3ad-a46712d53fb5O objetivo deste trabalho foi testar procedimentos para determinar o volume individual de árvores, consistindo em métodos alternativos ao processo de cubagem. No capítulo 1, foi testado o método da similaridade de perfis combinado com diferentes medidas de similaridade, modelos de taper, métodos de estimação de parâmetros representativos de estratos sem equação e diferentes métodos de geração de equação volumétrica. Os dados utilizados foram de 3.620 árvores abatidas e cubadas, divididas 62 estratos. Foram medidas as variáveis DAP, altura total, e os diâmetros ao longo do fuste nas posições de 0,00; 0,50; 1,00; 1,50 e 2,00 m, e a partir deste, as seções foram medidas de 2,0 em 2,0 m, até a altura total. O modelo volumétrico de Schumacher e Hall foi ajustado por estrato. Os modelos de taper utilizados foram o de Kozak, de Garcia, de Ormerod e o Polinômio de Quinto Grau. As distâncias testadas foram a Distância Euclidiana, Distância Euclidiana Média, Distância Euclidiana Ponderada e Distância Euclidiana Quadrática. Foram testados 2 métodos de estimação dos parâmetros dos modelos de afilamento (3 árvores; e os parâmetros da árvore mais próxima ao diâmetro médio) e 3 métodos de determinação da equação volumétrica (equação do estrato mais similar, equação das 30 árvores mais similares e equação gerada com o número de árvores referentes a 5 árvores por classe de diâmetro do estrato sem equação definida), que combinados configuraram os 5 procedimentos testados. As estatísticas utilizadas para verificar a qualidade das estimativas foram bias, raiz quadrada do erro médio, correlação e análise gráfica de resíduos. A validação foi realizada com dados independentes para 4 estratos. Os resultados indicaram que não houve diferença entre as medidas de similaridade utilizadas. Os melhores modelos foram o Polinômio de Quinto Grau e o de Kozak, sendo o segundo mais indicado devido a sua facilidade de ajuste. O método de geração da equação baseada nas 30 árvores mais similares proporcionou as melhores estimativas volumétricas. No capítulo 2, foi utilizado redes neurais artificiais (RNA) para estimar o volume individual de árvores. Os dados foram os mesmos utilizados no capítulo 1. As variáveis de entrada utilizadas foram: entrada 1 (DAP, altura total, diâmetros a 0,00; 0,50; 1,00; 1,50 e 2,00 metros de altura); entrada 2 (adição do volume até 2 metros); entrada 3 (adição do grau de esbeltez) e entrada 4 (adição da variável categórica representando a forma do fuste até 2 metros de altura). Foram retidas as 5 melhores redes por conjunto de variáveis de entrada. Os dados foram divididos em 60% para treinamento, 20% para teste e 20% para generalização. Para avaliar as estimativas foram utilizadas as estatísticas bias, raiz quadrada do erro médio, correlação e análise gráfica dos resíduos. A melhor metodologia para gerar as redes foi aplicada a dados independentes para se avaliar a qualidade das estimativas de volume. As redes que proporcionaram as melhores estimativas foram as geradas pelo conjunto de variáveis de entrada 2 (DAP, altura total, diâmetros a 0,00; 0,50; 1,00; 1,50; 2,00 metros de altura e volume até 2 metros).Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Dissertação (Mestrado) – Programa de Pós-Graduação em Ciência Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2013.ABSTRACT The objective of this work was to test procedures to determine the volume of individual trees, consisting of alternative methods to process of scaling. In the Chapter 1, was tested the profiles similarity method combined with different measures of similarity, taper models, parameter estimation methods representative of groups without equation and different generation methods of volumetric equations. The data used were 3.620 felled and cubed trees, divided in 62 groups. The variables measured were DBH, total height, and diameters along the stem in positions 0.00; 0.50; 1.00; 1.50 e 2.00 meters, and to this, the sections were measured from 2.0 to 2.0 meters, up to the total height. The volumetric model of Schumacher and Hall was adjusted by group. Taper models used were Kozak model, Garcia model, Ormerod model and The Fiftieth Degree Polynomial. The distances tested were Euclidean Distance, Mean Euclidean Distance, Weighted Euclidean Distance, and Quadratic Euclidean Distance. Two parameter estimation methods from to taper models were tested (3 trees; and the parameters of the tree nearest to the mean diameter) and three generation methods of volumetric equations (equation similar group, equation of 30 most similar trees and equation generated from the number of trees respect to 5 trees per diameter class for group without defined equation), the combination of them, results in five procedures tested. The statistics used to check the quality of the estimates were bias, root mean square error, correlation coefficient and graphic residual analysis. The validation was performed using independent data for 4 groups. The results indicated that there was no difference between the similarity measures used. The best models were the Fifth Degree Polynomial and Kozak, being the second most indicated due to its ease of adjust. The generation method of the equation based on the 30 most similar trees provided the best volumetric estimates. In the Chapter 2, was used artificial neural networks to estimate the volume of individual trees. The data were the same as used in Chapter 1. The input variables were used: input 1 (DBH, total height, diameters at 0.00; 0.50; 1.00; 1.50 e 2.00 meters); input 2 (addition volume of up to 2 meters); input 3 (addition of slenderness degree) and input 4 (addition of categorical variable representing the form of the stem up to 2 meters). The 5 best networks by set of input variables were retained. The data were divided into 60% for training, 20% for testing and 20% for generalization of the network. To evaluate the estimates were used the statistical bias, root mean square error, correlation coefficient and graphic residual analysis. The best method for generating neural network was applied to independent data to evaluate the quality of the volume estimates. The neural networks provided the best estimates were generated by the set of input variables 2 (DBH, total height, diameter at 0.00, 0.50, 1.00, 1.50, 2.00 meters in height and volume to 2 meters).porUFVJMA concessão da licença deste item refere-se ao à termo de autorização impresso assinado pelo autor, assim como na licença Creative Commons, com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade Federal dos Vales do Jequitinhonha e Mucuri e o IBICT a disponibilizar por meio de seus repositórios, sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, e preservação, a partir desta data.info:eu-repo/semantics/openAccessAvaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvoresEvaluation of profiles similarity method and artificial neural networks in the estimation of the volume of treesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisModelos de afilamento de fusteCubagemEucaliptoreponame:Repositório Institucional da UFVJMinstname:Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)instacron:UFVJMTHUMBNAILleonidas_soares_murta-junior.pdf.jpgleonidas_soares_murta-junior.pdf.jpgGenerated Thumbnailimage/jpeg2939https://acervo.ufvjm.edu.br//bitstreams/5b49cdd4-1c8d-4e2c-82fd-832bc5700d52/download48088122fcaa0d557f050800de1bd9f5MD57falseAnonymousREADORIGINALleonidas_soares_murta-junior.pdfleonidas_soares_murta-junior.pdfapplication/pdf3383554https://acervo.ufvjm.edu.br//bitstreams/fe6f2778-d78b-4ea0-bcc3-dfc1ff13e49e/download710b5a08cef75b6338efb0b57b9f6258MD51trueAnonymousREADCC-LICENSElicense_urllicense_urltext/plain; charset=utf-852https://acervo.ufvjm.edu.br//bitstreams/98c26245-fd13-4082-a92c-8fceb32c483a/download3d480ae6c91e310daba2020f8787d6f9MD52falseAnonymousREADlicense_textlicense_texttext/html; charset=utf-823858https://acervo.ufvjm.edu.br//bitstreams/2876cd6b-a298-4f43-bdf6-30c8e92c94a3/downloadcd35a96ae2bbe574df8750220ee27ea0MD53falseAnonymousREADlicense_rdflicense_rdfapplication/rdf+xml; charset=utf-823898https://acervo.ufvjm.edu.br//bitstreams/36211590-7d94-45cb-bedd-74e3785e71f3/downloade363e809996cf46ada20da1accfcd9c7MD54falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-82111https://acervo.ufvjm.edu.br//bitstreams/69548132-c320-4d55-9cd1-75a864e14465/downloadf5c843397da71f5d32b775fd8c4cbf56MD55falseAnonymousREADTEXTleonidas_soares_murta-junior.pdf.txtleonidas_soares_murta-junior.pdf.txtExtracted texttext/plain243798https://acervo.ufvjm.edu.br//bitstreams/ccfb129c-bcfb-4434-8bbc-2521c3cc5e5e/download5c3643fea9994bc7ee0eb375ed4ae442MD56falseAnonymousREAD1/3502024-09-12 06:10:51.082open.accessoai:acervo.ufvjm.edu.br:1/350https://acervo.ufvjm.edu.br/Repositório InstitucionalPUBhttps://repositorio.ufvjm.edu.brrepositorio@ufvjm.edu.bropendoar:21452024-09-12T06:10:51Repositório Institucional da UFVJM - Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)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
dc.title.pt_BR.fl_str_mv Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores
dc.title.alternative.en.fl_str_mv Evaluation of profiles similarity method and artificial neural networks in the estimation of the volume of trees
title Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores
spellingShingle Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores
Murta Júnior, Leonidas Soares
Modelos de afilamento de fuste
Cubagem
Eucalipto
title_short Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores
title_full Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores
title_fullStr Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores
title_full_unstemmed Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores
title_sort Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores
author Murta Júnior, Leonidas Soares
author_facet Murta Júnior, Leonidas Soares
author_role author
dc.contributor.referee.none.fl_str_mv Castro, Renato Vinícius Oliveira
Nogueira, Gilciano Saraiva
Abrahão, Christovão Pereira
dc.contributor.institution.pt_BR.fl_str_mv Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
dc.contributor.author.fl_str_mv Murta Júnior, Leonidas Soares
dc.contributor.advisor1.fl_str_mv Oliveira, Marcio Leles Romarco de
contributor_str_mv Oliveira, Marcio Leles Romarco de
dc.subject.keyword.pt_BR.fl_str_mv Modelos de afilamento de fuste
Cubagem
Eucalipto
topic Modelos de afilamento de fuste
Cubagem
Eucalipto
description O objetivo deste trabalho foi testar procedimentos para determinar o volume individual de árvores, consistindo em métodos alternativos ao processo de cubagem. No capítulo 1, foi testado o método da similaridade de perfis combinado com diferentes medidas de similaridade, modelos de taper, métodos de estimação de parâmetros representativos de estratos sem equação e diferentes métodos de geração de equação volumétrica. Os dados utilizados foram de 3.620 árvores abatidas e cubadas, divididas 62 estratos. Foram medidas as variáveis DAP, altura total, e os diâmetros ao longo do fuste nas posições de 0,00; 0,50; 1,00; 1,50 e 2,00 m, e a partir deste, as seções foram medidas de 2,0 em 2,0 m, até a altura total. O modelo volumétrico de Schumacher e Hall foi ajustado por estrato. Os modelos de taper utilizados foram o de Kozak, de Garcia, de Ormerod e o Polinômio de Quinto Grau. As distâncias testadas foram a Distância Euclidiana, Distância Euclidiana Média, Distância Euclidiana Ponderada e Distância Euclidiana Quadrática. Foram testados 2 métodos de estimação dos parâmetros dos modelos de afilamento (3 árvores; e os parâmetros da árvore mais próxima ao diâmetro médio) e 3 métodos de determinação da equação volumétrica (equação do estrato mais similar, equação das 30 árvores mais similares e equação gerada com o número de árvores referentes a 5 árvores por classe de diâmetro do estrato sem equação definida), que combinados configuraram os 5 procedimentos testados. As estatísticas utilizadas para verificar a qualidade das estimativas foram bias, raiz quadrada do erro médio, correlação e análise gráfica de resíduos. A validação foi realizada com dados independentes para 4 estratos. Os resultados indicaram que não houve diferença entre as medidas de similaridade utilizadas. Os melhores modelos foram o Polinômio de Quinto Grau e o de Kozak, sendo o segundo mais indicado devido a sua facilidade de ajuste. O método de geração da equação baseada nas 30 árvores mais similares proporcionou as melhores estimativas volumétricas. No capítulo 2, foi utilizado redes neurais artificiais (RNA) para estimar o volume individual de árvores. Os dados foram os mesmos utilizados no capítulo 1. As variáveis de entrada utilizadas foram: entrada 1 (DAP, altura total, diâmetros a 0,00; 0,50; 1,00; 1,50 e 2,00 metros de altura); entrada 2 (adição do volume até 2 metros); entrada 3 (adição do grau de esbeltez) e entrada 4 (adição da variável categórica representando a forma do fuste até 2 metros de altura). Foram retidas as 5 melhores redes por conjunto de variáveis de entrada. Os dados foram divididos em 60% para treinamento, 20% para teste e 20% para generalização. Para avaliar as estimativas foram utilizadas as estatísticas bias, raiz quadrada do erro médio, correlação e análise gráfica dos resíduos. A melhor metodologia para gerar as redes foi aplicada a dados independentes para se avaliar a qualidade das estimativas de volume. As redes que proporcionaram as melhores estimativas foram as geradas pelo conjunto de variáveis de entrada 2 (DAP, altura total, diâmetros a 0,00; 0,50; 1,00; 1,50; 2,00 metros de altura e volume até 2 metros).
publishDate 2013
dc.date.submitted.none.fl_str_mv 2013-07-19
dc.date.issued.fl_str_mv 2013
dc.date.accessioned.fl_str_mv 2015-01-07T10:46:50Z
dc.date.available.fl_str_mv 2015-01-07T10:46:50Z
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.citation.fl_str_mv MURTA JÚNIOR, Leonidas Soares. Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores. 2013. 102 p. Dissertação (Mestrado) – Programa de Pós-Graduação em Ciência Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2013.
dc.identifier.uri.fl_str_mv https://acervo.ufvjm.edu.br/items/3f73829f-96f7-499a-b3ad-a46712d53fb5
identifier_str_mv MURTA JÚNIOR, Leonidas Soares. Avaliação do método de similaridade dos perfis e de redes neurais artificiais na estimação do volume de árvores. 2013. 102 p. Dissertação (Mestrado) – Programa de Pós-Graduação em Ciência Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2013.
url https://acervo.ufvjm.edu.br/items/3f73829f-96f7-499a-b3ad-a46712d53fb5
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.publisher.none.fl_str_mv UFVJM
publisher.none.fl_str_mv UFVJM
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFVJM
instname:Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
instacron:UFVJM
instname_str Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
instacron_str UFVJM
institution UFVJM
reponame_str Repositório Institucional da UFVJM
collection Repositório Institucional da UFVJM
bitstream.url.fl_str_mv https://acervo.ufvjm.edu.br//bitstreams/5b49cdd4-1c8d-4e2c-82fd-832bc5700d52/download
https://acervo.ufvjm.edu.br//bitstreams/fe6f2778-d78b-4ea0-bcc3-dfc1ff13e49e/download
https://acervo.ufvjm.edu.br//bitstreams/98c26245-fd13-4082-a92c-8fceb32c483a/download
https://acervo.ufvjm.edu.br//bitstreams/2876cd6b-a298-4f43-bdf6-30c8e92c94a3/download
https://acervo.ufvjm.edu.br//bitstreams/36211590-7d94-45cb-bedd-74e3785e71f3/download
https://acervo.ufvjm.edu.br//bitstreams/69548132-c320-4d55-9cd1-75a864e14465/download
https://acervo.ufvjm.edu.br//bitstreams/ccfb129c-bcfb-4434-8bbc-2521c3cc5e5e/download
bitstream.checksum.fl_str_mv 48088122fcaa0d557f050800de1bd9f5
710b5a08cef75b6338efb0b57b9f6258
3d480ae6c91e310daba2020f8787d6f9
cd35a96ae2bbe574df8750220ee27ea0
e363e809996cf46ada20da1accfcd9c7
f5c843397da71f5d32b775fd8c4cbf56
5c3643fea9994bc7ee0eb375ed4ae442
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFVJM - Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
repository.mail.fl_str_mv repositorio@ufvjm.edu.br
_version_ 1813710515744014336