Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Binoti, Daniel Henrique Breda
Data de Publicação: 2016
Outros Autores: Leite, Helio Garcia, Campos, Bráulio Pizziolo Furtado, Silva, Gilson Fernandes da, Mendonça, Adriano Ribeiro de
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