Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Cunha, Eduarda Gabriela Santos
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFVJM
Texto Completo: http://acervo.ufvjm.edu.br/jspui/handle/1/1015
Resumo: RESUMO CUNHA, E. G. S. Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais. 2015. 77 p. (Disserta??o ? Ci?ncia Florestal) ? Universidade Florestal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2015. A predi??o de biomassa em florestas naturais ? complexa devido ? varia??o de esp?cies, de est?gio sucessional, caracter?sticas ed?ficas e clim?ticas das ?reas, dentre outras, e isso gera uma grande demanda de informa??es para que se tenha estimativas de biomassa confi?veis. O objetivo deste estudo foi de quantificar a biomassa arb?rea a?rea de um fragmento de floresta Estacional Semidecidual em Minas Gerais - MG por meio de redes neurais artificiais (RNA). Assim como, avaliar a influ?ncia das vari?veis categ?ricas fitofisionomia (FT), infesta??o de cip? (CP), qualidade de copa (QC) e coeficiente de De Liocourt (q) na estimativa de biomassa. Foi empregada a t?cnica de valida??o cruzada (cross-validation) para defini??o da topologia e valida??o das redes, em que a estimativa de erro global ? calculada como a m?dia das k estimativas de erro de cada itera??o (admitiu-se k=10).Variou-se o n?mero de neur?nios na camada escondida e avaliou-se a m?dia e o desvio padr?o do erro m?dio quadr?tico (EMQ) dos resultados da valida??o cruzada para definir o n?mero de neur?nios na camada escondida, que melhor se adequou ao problema. Para definir a RNA mais adequada para cada situa??o, uma nova valida??o cruzada foi realizada e avalia??o se deu pelos ajustes das RNA (EMQ, ? ,Bias e Vari?ncia) e an?lise gr?fica dos res?duos. A biomassa observada m?dia foi de 110,81 t.ha-1 e a biomassa m?dia estocada por hectare foi estimada em 114,41 t.ha-1 pela RNA 3 e 116,34 t.ha-1 pela RNA 7. As RNA 3(vari?veis de entrada: DAP, d, Hf, Vt, CP) e 7(vari?veis de entrada: DAP, d, Ht, Vt, CP, QC) se ajustaram melhor, obtendo menores res?duos. No entanto, a RNA 7 que cont?m CP e QC associadas como vari?vel de entrada da rede, teve bom desempenho devido ? contribui??o da vari?vel CP, visto que a RNA 4 que cont?m apenas QC n?o foi precisa na maioria das parcelas, esse fato pode estar relacionado a maior subjetividade na avalia??o da qualidade de copa. A RNA 3 foi mais adequada visando simplicidade na coleta de campo, acarretando menor tempo e custo.
id UFVJM-2_7077261230933b1e023723f0db54975b
oai_identifier_str oai:acervo.ufvjm.edu.br/jspui:1/1015
network_acronym_str UFVJM-2
network_name_str Repositório Institucional da UFVJM
repository_id_str 2145
spelling Cunha, Eduarda Gabriela SantosOliveira, Marcio Leles Romarco deAndrade, Alessandro VivasGorgens, Eric BastosMachado, Evandro Luiz Mendon?aUniversidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)Oliveira, Marcio Leles Romarco de2016-07-22T15:39:40Z2016-07-22T15:39:40Z20152015-11-27CUNHA, Eduarda Gabriela Santos. Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais. 2015. 75 p. Disserta??o (Mestrado) ? Programa de P?s-Gradua??o em Ci?ncia Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2015.http://acervo.ufvjm.edu.br/jspui/handle/1/1015RESUMO CUNHA, E. G. S. Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais. 2015. 77 p. (Disserta??o ? Ci?ncia Florestal) ? Universidade Florestal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2015. A predi??o de biomassa em florestas naturais ? complexa devido ? varia??o de esp?cies, de est?gio sucessional, caracter?sticas ed?ficas e clim?ticas das ?reas, dentre outras, e isso gera uma grande demanda de informa??es para que se tenha estimativas de biomassa confi?veis. O objetivo deste estudo foi de quantificar a biomassa arb?rea a?rea de um fragmento de floresta Estacional Semidecidual em Minas Gerais - MG por meio de redes neurais artificiais (RNA). Assim como, avaliar a influ?ncia das vari?veis categ?ricas fitofisionomia (FT), infesta??o de cip? (CP), qualidade de copa (QC) e coeficiente de De Liocourt (q) na estimativa de biomassa. Foi empregada a t?cnica de valida??o cruzada (cross-validation) para defini??o da topologia e valida??o das redes, em que a estimativa de erro global ? calculada como a m?dia das k estimativas de erro de cada itera??o (admitiu-se k=10).Variou-se o n?mero de neur?nios na camada escondida e avaliou-se a m?dia e o desvio padr?o do erro m?dio quadr?tico (EMQ) dos resultados da valida??o cruzada para definir o n?mero de neur?nios na camada escondida, que melhor se adequou ao problema. Para definir a RNA mais adequada para cada situa??o, uma nova valida??o cruzada foi realizada e avalia??o se deu pelos ajustes das RNA (EMQ, ? ,Bias e Vari?ncia) e an?lise gr?fica dos res?duos. A biomassa observada m?dia foi de 110,81 t.ha-1 e a biomassa m?dia estocada por hectare foi estimada em 114,41 t.ha-1 pela RNA 3 e 116,34 t.ha-1 pela RNA 7. As RNA 3(vari?veis de entrada: DAP, d, Hf, Vt, CP) e 7(vari?veis de entrada: DAP, d, Ht, Vt, CP, QC) se ajustaram melhor, obtendo menores res?duos. No entanto, a RNA 7 que cont?m CP e QC associadas como vari?vel de entrada da rede, teve bom desempenho devido ? contribui??o da vari?vel CP, visto que a RNA 4 que cont?m apenas QC n?o foi precisa na maioria das parcelas, esse fato pode estar relacionado a maior subjetividade na avalia??o da qualidade de copa. A RNA 3 foi mais adequada visando simplicidade na coleta de campo, acarretando menor tempo e custo.Submitted by M?rden L?les (marden.inacio@ufvjm.edu.br) on 2016-07-20T19:16:36Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Eduarda_Gabriela_Santos_Cunha.pdf: 1983745 bytes, checksum: d73e76b249ad6c1b32a34d0755d35679 (MD5)Rejected by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br), reason: renomear arquivo on 2016-07-21T16:57:59Z (GMT)Submitted by M?rden L?les (marden.inacio@ufvjm.edu.br) on 2016-07-21T17:39:15Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Eduarda_Gabriela_Santos_Cunha.pdf: 1983745 bytes, checksum: d73e76b249ad6c1b32a34d0755d35679 (MD5)Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2016-07-22T15:39:40Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Eduarda_Gabriela_Santos_Cunha.pdf: 1983745 bytes, checksum: d73e76b249ad6c1b32a34d0755d35679 (MD5)Made available in DSpace on 2016-07-22T15:39:40Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Eduarda_Gabriela_Santos_Cunha.pdf: 1983745 bytes, checksum: d73e76b249ad6c1b32a34d0755d35679 (MD5) Previous issue date: 2015Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES)Disserta??o (Mestrado) ? Programa de P?s-Gradua??o em Ci?ncia Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2015.ABSTRACT CUNHA, E. G. S. Biomass quantification in semideciduous forest through artificial neural networks. 2015. 77 p. (Disserta??o ? Ci?ncia Florestal) ? Universidade Florestal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2015. The prediction of biomass in natural forests is complex due to the variation of species in successional stages, characteristics of soil and climate of areas, among other things, and this generates a large demand for information in order to produce reliable biomass estimates. This study aimed to quantify the aerial tree biomass from a fragment of semideciduous forest in Minas Gerais - MG through artificial neural networks (ANN). Moreover, this study evaluated the influence of categorical variables including phytophysiognomy, vine infestation, canopy quality and the De Liocourt quotient in estimation of biomass. All the analysis was done using R software, using the cross-validation technique to define the topology and validation of networks, wherein the global error estimate is calculated as the average of k error estimates of each iteration (assuming k = 10). The number of neurons in the hidden layer varied, and the mean and standard deviation of the mean square error (MSE) were evaluated by the results of cross-validation in order to determine the number of neurons in the hidden layer, which best adapted to the problem. To determine the most appropriate ANN in each situation, a new cross-validation was conducted and the evaluation was completed using the results of the ANN (MSE, Correlation coefficient, Bias and Variance) and graphical residue analysis. The average observed biomass was 110.81 t.ha-1 and the average stored biomass per hectare was estimated to be 114.41 t.ha-1 using ANN 3 and 116.34 t.ha-1 using 7 ANN. This study found that the ANN 3 (input: DAP, d, Hf, Vt, CP) and 7(input: DAP, d, Ht, Vt, CP, QC) had greater precision than the other ANNs, obtaining smaller residue. However, due to the association of vine infestation and crown quality in ANN 7 as input variable network, the good performance possibly because of the variable contribution of the vine infestation, whereas ANN 4 which contains only canopy quality was not more accurate in the majority of plots, this may be related to greater subjectivity in assessing the canopy quality, and in this way. ANN 3 was more appropriate in terms of simplifying field sampling, leading to reduced time and cost.porUFVJMA concess?o da licen?a deste item refere-se ao ? termo de autoriza??o impresso assinado pelo autor, assim como na licen?a Creative Commons, com as seguintes condi??es: Na qualidade de titular dos direitos de autor da publica??o, autorizo a Universidade Federal dos Vales do Jequitinhonha e Mucuri e o IBICT a disponibilizar por meio de seus reposit?rios, sem ressarcimento dos direitos autorais, de acordo com a Lei n? 9610/98, o texto integral da obra disponibilizada, conforme permiss?es assinaladas, para fins de leitura, impress?o e/ou download, a t?tulo de divulga??o da produ??o cient?fica brasileira, e preserva??o, a partir desta data.info:eu-repo/semantics/openAccessQuantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisBiomassa florestalFloresta naturalIntelig?ncia artificialForest biomassNatural forestArtificial intelligencereponame:Repositório Institucional da UFVJMinstname:Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)instacron:UFVJMTEXTeduarda_gabriela_santos_Cunha.pdf.txteduarda_gabriela_santos_Cunha.pdf.txtExtracted texttext/plain166910http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/6/eduarda_gabriela_santos_Cunha.pdf.txt50c800c34ed6708db80db6b63a8139b4MD56LICENSElicense.txtlicense.txttext/plain; charset=utf-82157http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/5/license.txtc0fe10782d3e2994b7c028f47c86ff9eMD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_texttext/html; charset=utf-80http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINALeduarda_gabriela_santos_Cunha.pdfeduarda_gabriela_santos_Cunha.pdfapplication/pdf1983745http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/1/eduarda_gabriela_santos_Cunha.pdfd73e76b249ad6c1b32a34d0755d35679MD511/10152018-01-18 11:38:32.311oai:acervo.ufvjm.edu.br/jspui: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ório InstitucionalPUBhttp://acervo.ufvjm.edu.br/oai/requestrepositorio@ufvjm.edu.bropendoar:21452018-01-18T13:38:32Repositório Institucional da UFVJM - Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)false
dc.title.pt_BR.fl_str_mv Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais
title Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais
spellingShingle Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais
Cunha, Eduarda Gabriela Santos
Biomassa florestal
Floresta natural
Intelig?ncia artificial
Forest biomass
Natural forest
Artificial intelligence
title_short Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais
title_full Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais
title_fullStr Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais
title_full_unstemmed Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais
title_sort Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais
author Cunha, Eduarda Gabriela Santos
author_facet Cunha, Eduarda Gabriela Santos
author_role author
dc.contributor.references.none.fl_str_mv Oliveira, Marcio Leles Romarco de
Andrade, Alessandro Vivas
Gorgens, Eric Bastos
Machado, Evandro Luiz Mendon?a
dc.contributor.institution.pt_BR.fl_str_mv Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
dc.contributor.author.fl_str_mv Cunha, Eduarda Gabriela Santos
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 Biomassa florestal
Floresta natural
Intelig?ncia artificial
Forest biomass
Natural forest
Artificial intelligence
topic Biomassa florestal
Floresta natural
Intelig?ncia artificial
Forest biomass
Natural forest
Artificial intelligence
description RESUMO CUNHA, E. G. S. Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais. 2015. 77 p. (Disserta??o ? Ci?ncia Florestal) ? Universidade Florestal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2015. A predi??o de biomassa em florestas naturais ? complexa devido ? varia??o de esp?cies, de est?gio sucessional, caracter?sticas ed?ficas e clim?ticas das ?reas, dentre outras, e isso gera uma grande demanda de informa??es para que se tenha estimativas de biomassa confi?veis. O objetivo deste estudo foi de quantificar a biomassa arb?rea a?rea de um fragmento de floresta Estacional Semidecidual em Minas Gerais - MG por meio de redes neurais artificiais (RNA). Assim como, avaliar a influ?ncia das vari?veis categ?ricas fitofisionomia (FT), infesta??o de cip? (CP), qualidade de copa (QC) e coeficiente de De Liocourt (q) na estimativa de biomassa. Foi empregada a t?cnica de valida??o cruzada (cross-validation) para defini??o da topologia e valida??o das redes, em que a estimativa de erro global ? calculada como a m?dia das k estimativas de erro de cada itera??o (admitiu-se k=10).Variou-se o n?mero de neur?nios na camada escondida e avaliou-se a m?dia e o desvio padr?o do erro m?dio quadr?tico (EMQ) dos resultados da valida??o cruzada para definir o n?mero de neur?nios na camada escondida, que melhor se adequou ao problema. Para definir a RNA mais adequada para cada situa??o, uma nova valida??o cruzada foi realizada e avalia??o se deu pelos ajustes das RNA (EMQ, ? ,Bias e Vari?ncia) e an?lise gr?fica dos res?duos. A biomassa observada m?dia foi de 110,81 t.ha-1 e a biomassa m?dia estocada por hectare foi estimada em 114,41 t.ha-1 pela RNA 3 e 116,34 t.ha-1 pela RNA 7. As RNA 3(vari?veis de entrada: DAP, d, Hf, Vt, CP) e 7(vari?veis de entrada: DAP, d, Ht, Vt, CP, QC) se ajustaram melhor, obtendo menores res?duos. No entanto, a RNA 7 que cont?m CP e QC associadas como vari?vel de entrada da rede, teve bom desempenho devido ? contribui??o da vari?vel CP, visto que a RNA 4 que cont?m apenas QC n?o foi precisa na maioria das parcelas, esse fato pode estar relacionado a maior subjetividade na avalia??o da qualidade de copa. A RNA 3 foi mais adequada visando simplicidade na coleta de campo, acarretando menor tempo e custo.
publishDate 2015
dc.date.submitted.none.fl_str_mv 2015-11-27
dc.date.issued.fl_str_mv 2015
dc.date.accessioned.fl_str_mv 2016-07-22T15:39:40Z
dc.date.available.fl_str_mv 2016-07-22T15:39:40Z
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 CUNHA, Eduarda Gabriela Santos. Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais. 2015. 75 p. Disserta??o (Mestrado) ? Programa de P?s-Gradua??o em Ci?ncia Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2015.
dc.identifier.uri.fl_str_mv http://acervo.ufvjm.edu.br/jspui/handle/1/1015
identifier_str_mv CUNHA, Eduarda Gabriela Santos. Quantifica??o de biomassa em floresta estacional semidecidual por meio de redes neurais artificiais. 2015. 75 p. Disserta??o (Mestrado) ? Programa de P?s-Gradua??o em Ci?ncia Florestal, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2015.
url http://acervo.ufvjm.edu.br/jspui/handle/1/1015
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 http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/6/eduarda_gabriela_santos_Cunha.pdf.txt
http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/5/license.txt
http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/2/license_url
http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/3/license_text
http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/4/license_rdf
http://acervo.ufvjm.edu.br/jspui/bitstream/1/1015/1/eduarda_gabriela_santos_Cunha.pdf
bitstream.checksum.fl_str_mv 50c800c34ed6708db80db6b63a8139b4
c0fe10782d3e2994b7c028f47c86ff9e
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
d73e76b249ad6c1b32a34d0755d35679
bitstream.checksumAlgorithm.fl_str_mv 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_ 1801865794056880128