Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira

Detalhes bibliográficos
Autor(a) principal: Silva, Simone
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://www.locus.ufv.br/handle/123456789/9290
Resumo: O objetivo deste estudo foi estimar o volume e o afilamento do fuste de eucalipto em sistemas agrossilvipastoris em quatro municípios da Zona da Mata mineira, comparando modelos de regressão e redes neurais artificiais, e analisar o potencial de multiprodutos da madeira em um sistema agrossilvipastoril. Os dados foram provenientes de cinco sistemas agrossilvipastoris, localizados em quatro municípios, com diferentes arranjos espaciais (8 x 3 m, 10 x 3 m, 11 x 3 m, 12 x 3 m, 12 x 2 m e 12 x 4 m), idades (5,5; 6,5 e 8 anos) e genótipos (GG100, 3336, CRV 1189 e I144), para os quais foram cubadas 122 árvores- amostra. Foram ajustados um modelo hipsométrico, dois volumétricos e quatro de afilamento do fuste, considerando todos os dados e a estratificação dos mesmos por localidade, arranjo espacial e genótipo. Em seguida, foram aplicados testes de identidade para verificar a viabilidade de equações específicas por estrato. Redes neurais artificias (RNA) do tipo Multilayer Perceptron foram treinadas, utilizando como variáveis de entrada categóricas o arranjo espacial, a localidade e os genótipos. As variáveis de entrada contínuas utilizadas para geração das estimativas hipsométricas foram o diâmetro à altura do peito - 1,30 m de altura (dap), altura dominante (hd) e idade. Para obtenção das estimativas volumétricas utilizou-se o dap, altura total (Ht) e idade. Com relação às variáveis de entrada contínuas utilizadas na geração de estimativas do afilamento do fuste, além do dap, Ht e idade, utilizou-se a altura de cada seção (h). A precisão dos métodos foi avaliada por meio das estatísticas da raiz quadrática do erro quadrático médio, correlação entre valores observados e estimados, dispersão dos erros percentuais, e o desvio médio absoluto. As equações obtidas com ajuste do modelo proposto por Campos et al. (1984), Schumacher e Hall (1933) e Garay (1979) apresentaram maior exatidão. Constatou-se que, assim como os modelos de regressão, as RNA foram metodologias eficientes para estimar o volume e o afilamento do fuste de árvores de eucalipto em sistemas agrossilvipastoris na região da Zona da Mata mineira, e que as árvores do sistema agrossilvipastoril estudado apresentaram maior potencial de retorno financeiro quando destinadas a multiprodutos. Palavras- chave: sistema agroflorestal, produção de madeira, taper, multiprodutos, eucalipto.
id UFV_0fa478d36f97da42bdbc191a297d03db
oai_identifier_str oai:locus.ufv.br:123456789/9290
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Leite, Helio GarciaSilva, Simonehttp://lattes.cnpq.br/7983850440016108Oliveira Neto, Sílvio Nolasco de2017-01-04T15:28:28Z2017-01-04T15:28:28Z2016-07-22SILVA, Simone. Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira. 2016. 96f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2016.http://www.locus.ufv.br/handle/123456789/9290O objetivo deste estudo foi estimar o volume e o afilamento do fuste de eucalipto em sistemas agrossilvipastoris em quatro municípios da Zona da Mata mineira, comparando modelos de regressão e redes neurais artificiais, e analisar o potencial de multiprodutos da madeira em um sistema agrossilvipastoril. Os dados foram provenientes de cinco sistemas agrossilvipastoris, localizados em quatro municípios, com diferentes arranjos espaciais (8 x 3 m, 10 x 3 m, 11 x 3 m, 12 x 3 m, 12 x 2 m e 12 x 4 m), idades (5,5; 6,5 e 8 anos) e genótipos (GG100, 3336, CRV 1189 e I144), para os quais foram cubadas 122 árvores- amostra. Foram ajustados um modelo hipsométrico, dois volumétricos e quatro de afilamento do fuste, considerando todos os dados e a estratificação dos mesmos por localidade, arranjo espacial e genótipo. Em seguida, foram aplicados testes de identidade para verificar a viabilidade de equações específicas por estrato. Redes neurais artificias (RNA) do tipo Multilayer Perceptron foram treinadas, utilizando como variáveis de entrada categóricas o arranjo espacial, a localidade e os genótipos. As variáveis de entrada contínuas utilizadas para geração das estimativas hipsométricas foram o diâmetro à altura do peito - 1,30 m de altura (dap), altura dominante (hd) e idade. Para obtenção das estimativas volumétricas utilizou-se o dap, altura total (Ht) e idade. Com relação às variáveis de entrada contínuas utilizadas na geração de estimativas do afilamento do fuste, além do dap, Ht e idade, utilizou-se a altura de cada seção (h). A precisão dos métodos foi avaliada por meio das estatísticas da raiz quadrática do erro quadrático médio, correlação entre valores observados e estimados, dispersão dos erros percentuais, e o desvio médio absoluto. As equações obtidas com ajuste do modelo proposto por Campos et al. (1984), Schumacher e Hall (1933) e Garay (1979) apresentaram maior exatidão. Constatou-se que, assim como os modelos de regressão, as RNA foram metodologias eficientes para estimar o volume e o afilamento do fuste de árvores de eucalipto em sistemas agrossilvipastoris na região da Zona da Mata mineira, e que as árvores do sistema agrossilvipastoril estudado apresentaram maior potencial de retorno financeiro quando destinadas a multiprodutos. Palavras- chave: sistema agroflorestal, produção de madeira, taper, multiprodutos, eucalipto.The aim of this study was to estimate the volume and the taper of eucalypt stem in agrosilvopastoral systems in four municipalities of the Zona da Mata region, comparing regression models and artificial neural networks, and analyze the potential multiproduct timber in a agrosilvopastoral system. The data were from five agrosilvopastoral systems located in four counties, with different spatial arrangements (8 x 3 m, 10 x 3 m, 11 x 3 m, 12 x 3 m, 12 x 2 m 12 x 4 m), ages (5.5, 6.5 and 8 years) and genotypes (GG100, 3336, CRV 1189 and I144), for which it was scaled 122 trees-sample. They were adjusted one hypsometric model, two volumetric and four taper-considering all the data and the layering of the same by location, spatial arrangement and genotype. Then identity tests were applied to verify the viability of specific equations for each stratum. Artificial neural networks (ANN) type Multilayer Perceptron were trained using categorical input variables the spatial arrangement, location and genotypes. Continuous input variables used to generate the hipsometric estimates were the diameter at breast height - 1.30 m in height (dbh), dominant height (hd) and age. To obtain estimates of volumetric used the dbh, total height (Ht) and Age. With regard to the continuous input variables used to generate the stem taper estimates, beyond the dhb, Ht , age and height was used for each section (h). The accuracy of the methods was assessed by the square root of the mean squared error statistics, correlation between observed and estimated values, dispersion of percentage errors, and the mean absolute deviation. The equations to fit the model proposed by Campos et al. (1984), Schumacher and Hall (1933) and Garay (1979) showed greater accuracy. It was found that, as the regression models, the RNA were efficient methodologies to estimate the volume and the taper of the eucalypts tree in agroforestry systems in the Zona da Mata region, and the trees of the studied agrosilvopastoral system presented greater potential for financial return when intended for multiproduct. Keywords: agroforestry system; timber production; taper; multiproduct; eucalypt.Conselho Nacional de Desenvolvimento Científico e TecnológicoporUniversidade Federal de ViçosaFlorestas - MediçãoLevantamentos florestaisEucaliptoMadeira - ExploraçãoRedes neurais artificiaisSilviculturaEficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineiraEfficiency of artificial neural networks for estimating dendrometric variables in agroforestry systems of the Zona da Mata regioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de Engenharia FlorestalMestre em Ciência FlorestalViçosa - MG2016-07-22Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf2699353https://locus.ufv.br//bitstream/123456789/9290/1/texto%20completo.pdf903cb41519dc5d0b94dd92b741734b5cMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/9290/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3511https://locus.ufv.br//bitstream/123456789/9290/3/texto%20completo.pdf.jpg94fdb4e0f4417f3b36405977c820af7dMD53123456789/92902017-01-04 22:00:21.212oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452017-01-05T01:00:21LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira
dc.title.en.fl_str_mv Efficiency of artificial neural networks for estimating dendrometric variables in agroforestry systems of the Zona da Mata region
title Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira
spellingShingle Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira
Silva, Simone
Florestas - Medição
Levantamentos florestais
Eucalipto
Madeira - Exploração
Redes neurais artificiais
Silvicultura
title_short Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira
title_full Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira
title_fullStr Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira
title_full_unstemmed Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira
title_sort Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira
author Silva, Simone
author_facet Silva, Simone
author_role author
dc.contributor.authorLattes.pt-BR.fl_str_mv http://lattes.cnpq.br/7983850440016108
dc.contributor.none.fl_str_mv Leite, Helio Garcia
dc.contributor.author.fl_str_mv Silva, Simone
dc.contributor.advisor1.fl_str_mv Oliveira Neto, Sílvio Nolasco de
contributor_str_mv Oliveira Neto, Sílvio Nolasco de
dc.subject.pt-BR.fl_str_mv Florestas - Medição
Levantamentos florestais
Eucalipto
Madeira - Exploração
Redes neurais artificiais
topic Florestas - Medição
Levantamentos florestais
Eucalipto
Madeira - Exploração
Redes neurais artificiais
Silvicultura
dc.subject.cnpq.fl_str_mv Silvicultura
description O objetivo deste estudo foi estimar o volume e o afilamento do fuste de eucalipto em sistemas agrossilvipastoris em quatro municípios da Zona da Mata mineira, comparando modelos de regressão e redes neurais artificiais, e analisar o potencial de multiprodutos da madeira em um sistema agrossilvipastoril. Os dados foram provenientes de cinco sistemas agrossilvipastoris, localizados em quatro municípios, com diferentes arranjos espaciais (8 x 3 m, 10 x 3 m, 11 x 3 m, 12 x 3 m, 12 x 2 m e 12 x 4 m), idades (5,5; 6,5 e 8 anos) e genótipos (GG100, 3336, CRV 1189 e I144), para os quais foram cubadas 122 árvores- amostra. Foram ajustados um modelo hipsométrico, dois volumétricos e quatro de afilamento do fuste, considerando todos os dados e a estratificação dos mesmos por localidade, arranjo espacial e genótipo. Em seguida, foram aplicados testes de identidade para verificar a viabilidade de equações específicas por estrato. Redes neurais artificias (RNA) do tipo Multilayer Perceptron foram treinadas, utilizando como variáveis de entrada categóricas o arranjo espacial, a localidade e os genótipos. As variáveis de entrada contínuas utilizadas para geração das estimativas hipsométricas foram o diâmetro à altura do peito - 1,30 m de altura (dap), altura dominante (hd) e idade. Para obtenção das estimativas volumétricas utilizou-se o dap, altura total (Ht) e idade. Com relação às variáveis de entrada contínuas utilizadas na geração de estimativas do afilamento do fuste, além do dap, Ht e idade, utilizou-se a altura de cada seção (h). A precisão dos métodos foi avaliada por meio das estatísticas da raiz quadrática do erro quadrático médio, correlação entre valores observados e estimados, dispersão dos erros percentuais, e o desvio médio absoluto. As equações obtidas com ajuste do modelo proposto por Campos et al. (1984), Schumacher e Hall (1933) e Garay (1979) apresentaram maior exatidão. Constatou-se que, assim como os modelos de regressão, as RNA foram metodologias eficientes para estimar o volume e o afilamento do fuste de árvores de eucalipto em sistemas agrossilvipastoris na região da Zona da Mata mineira, e que as árvores do sistema agrossilvipastoril estudado apresentaram maior potencial de retorno financeiro quando destinadas a multiprodutos. Palavras- chave: sistema agroflorestal, produção de madeira, taper, multiprodutos, eucalipto.
publishDate 2016
dc.date.issued.fl_str_mv 2016-07-22
dc.date.accessioned.fl_str_mv 2017-01-04T15:28:28Z
dc.date.available.fl_str_mv 2017-01-04T15:28:28Z
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.citation.fl_str_mv SILVA, Simone. Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira. 2016. 96f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2016.
dc.identifier.uri.fl_str_mv http://www.locus.ufv.br/handle/123456789/9290
identifier_str_mv SILVA, Simone. Eficiência de redes neurais artificiais para estimar variáveis dendrométricas em sistemas agrossilvipastoris na Zona da Mata mineira. 2016. 96f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2016.
url http://www.locus.ufv.br/handle/123456789/9290
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 Universidade Federal de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/9290/1/texto%20completo.pdf
https://locus.ufv.br//bitstream/123456789/9290/2/license.txt
https://locus.ufv.br//bitstream/123456789/9290/3/texto%20completo.pdf.jpg
bitstream.checksum.fl_str_mv 903cb41519dc5d0b94dd92b741734b5c
8a4605be74aa9ea9d79846c1fba20a33
94fdb4e0f4417f3b36405977c820af7d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801213044097810432