Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | LOCUS Repositório Institucional da UFV |
Texto Completo: | https://doi.org/10.4336/2016.pfb.36.88.1166 http://www.locus.ufv.br/handle/123456789/17435 |
Resumo: | O objetivo deste trabalho foi analisar a capacidade de uma rede neural artificial (RNA) em estimar a altura total de árvores de duas espécies em diferentes condições de crescimento. Para fins de comparação, também foi ajustado o modelo hipsométrico de Campos, aplicado por estrato, conforme o gênero, espécie, rotação, espaçamento e classe de idade das árvores. A avaliação das redes neurais artificiais e do modelo de Campos foi realizada com base no coeficiente de correlação entre as alturas observadas e estimadas, a raiz quadrada do erro quadrático médio percentual e de análises gráficas. Observou-se que a altura de árvores de diferentes espécies, em distintas condições de crescimento e locais, pode ser estimada utilizando uma única rede neural, com a mesma eficiência e exatidão normalmente obtida com o emprego de equações de regressão. |
id |
UFV_baf7f05d6e4858a872edec6a2a33aad9 |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/17435 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiaisRelação hipsométricaInventário florestalFloresta de produçãoO objetivo deste trabalho foi analisar a capacidade de uma rede neural artificial (RNA) em estimar a altura total de árvores de duas espécies em diferentes condições de crescimento. Para fins de comparação, também foi ajustado o modelo hipsométrico de Campos, aplicado por estrato, conforme o gênero, espécie, rotação, espaçamento e classe de idade das árvores. A avaliação das redes neurais artificiais e do modelo de Campos foi realizada com base no coeficiente de correlação entre as alturas observadas e estimadas, a raiz quadrada do erro quadrático médio percentual e de análises gráficas. Observou-se que a altura de árvores de diferentes espécies, em distintas condições de crescimento e locais, pode ser estimada utilizando uma única rede neural, com a mesma eficiência e exatidão normalmente obtida com o emprego de equações de regressão.The objective of this study was to analyze the ability of an artificial neural network (ANN) to estimate the total height of two tree species in different growing conditions. For comparison purposes, it was also adjusted Campos hypsometric model, applied by stratum as genus, species, rotation, spacing and age classes. The evaluation of artificial neural networks and Campos model was based on the correlation coefficient between the observed and estimated heights, the square root of the mean square percentage error (RMSE) and graphical analysis. The results of this study showed that trees height of different species, in different growing conditions and locations can be estimated using a single neural network with the same efficiency and accuracy usually obtained with regression equations.Pesquisa Florestal Brasileira2018-02-07T13:47:17Z2018-02-07T13:47:17Z2016-12-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articlepdfapplication/pdf1983-2605https://doi.org/10.4336/2016.pfb.36.88.1166http://www.locus.ufv.br/handle/123456789/17435porv. 36, n. 88, p. 375-385, Out./Dez. 2016Binoti, Daniel Henrique BredaLeite, Helio GarciaCampos, Bráulio Pizziolo FurtadoSilva, Gilson Fernandes daMendonça, Adriano Ribeiro deinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFV2024-07-12T07:26:07Zoai:locus.ufv.br:123456789/17435Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452024-07-12T07:26:07LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.none.fl_str_mv |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais |
title |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais |
spellingShingle |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais Binoti, Daniel Henrique Breda Relação hipsométrica Inventário florestal Floresta de produção |
title_short |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais |
title_full |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais |
title_fullStr |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais |
title_full_unstemmed |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais |
title_sort |
Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais |
author |
Binoti, Daniel Henrique Breda |
author_facet |
Binoti, Daniel Henrique Breda Leite, Helio Garcia Campos, Bráulio Pizziolo Furtado Silva, Gilson Fernandes da Mendonça, Adriano Ribeiro de |
author_role |
author |
author2 |
Leite, Helio Garcia Campos, Bráulio Pizziolo Furtado Silva, Gilson Fernandes da Mendonça, Adriano Ribeiro de |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Binoti, Daniel Henrique Breda Leite, Helio Garcia Campos, Bráulio Pizziolo Furtado Silva, Gilson Fernandes da Mendonça, Adriano Ribeiro de |
dc.subject.por.fl_str_mv |
Relação hipsométrica Inventário florestal Floresta de produção |
topic |
Relação hipsométrica Inventário florestal Floresta de produção |
description |
O objetivo deste trabalho foi analisar a capacidade de uma rede neural artificial (RNA) em estimar a altura total de árvores de duas espécies em diferentes condições de crescimento. Para fins de comparação, também foi ajustado o modelo hipsométrico de Campos, aplicado por estrato, conforme o gênero, espécie, rotação, espaçamento e classe de idade das árvores. A avaliação das redes neurais artificiais e do modelo de Campos foi realizada com base no coeficiente de correlação entre as alturas observadas e estimadas, a raiz quadrada do erro quadrático médio percentual e de análises gráficas. Observou-se que a altura de árvores de diferentes espécies, em distintas condições de crescimento e locais, pode ser estimada utilizando uma única rede neural, com a mesma eficiência e exatidão normalmente obtida com o emprego de equações de regressão. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-12-30 2018-02-07T13:47:17Z 2018-02-07T13:47:17Z |
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 |
1983-2605 https://doi.org/10.4336/2016.pfb.36.88.1166 http://www.locus.ufv.br/handle/123456789/17435 |
identifier_str_mv |
1983-2605 |
url |
https://doi.org/10.4336/2016.pfb.36.88.1166 http://www.locus.ufv.br/handle/123456789/17435 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
v. 36, n. 88, p. 375-385, Out./Dez. 2016 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
pdf application/pdf |
dc.publisher.none.fl_str_mv |
Pesquisa Florestal Brasileira |
publisher.none.fl_str_mv |
Pesquisa Florestal Brasileira |
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 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1817559929551060992 |