Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central

Detalhes bibliográficos
Autor(a) principal: Miranda, João Felipe Nunes de
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/20198
http://dx.doi.org/10.26512/2015.06.D.20198
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-graduação em Ciências Florestais, 2015.
id UNB_40c474845efd51a1be9164aa5b061b55
oai_identifier_str oai:repositorio.unb.br:10482/20198
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil CentralRegression models and artificial neural networks in the measurement of carbon and woody biomass for a deciduous forest in Central BrazilRedes neurais artificiaisEstoque de carbonoInteligência artificialBiomassaDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-graduação em Ciências Florestais, 2015.O presente estudo avaliou e comparou a qualidade de ajuste de modelos alométricos (Spurr, Schumacher & Hall e Husch) e de redes neurais artificiais na estimativa de estoque de biomassa seca e de carbono de árvores com diâmetro a altura do peito (DAP) igual ou superior a 5 cm, em área de floresta estacional decidual, localizada no Município de Campos Belos – GO, no Brasil central. Um total de 74 árvores pertencente a diferentes espécies registradas na área e distribuído em diferentes classes de diâmetro foram cubadas rigorosamente. Tanto para a biomassa seca (total e do fuste) quanto para o carbono (total e do fuste), o modelo de Schumacher & Hall foi o que apresentou melhores medidas de precisão. Foram treinadas 300 RNAs, do tipo MLP (multilayer perceptron) para cada variável dependente e as 10 redes com melhores resultados foram retidas para a análise das medidas de precisão. Todas as melhores redes encontradas apresentaram medidas de precisão sensivelmente melhores do que as alcançadas pelo modelo de Schumacher & Hall. Os estoques de biomassa seca total e do fuste foram iguais a respectivamente 65,61 ±15,52 t.ha-1 e 34,17 ± 7,85 t.ha-1. Para carbono, os estoques total e do fuste foram 29,47 ± 6,93 t.ha-1 e 15,16 ± 3,48 t.ha-1. Guazuma ulmifolia, Callisthene fasciculata, Myracrodruon urundeuva e Dilodendron bipinnatum, além de se destacarem na área por apresentarem maiores valores de IVI (índice de Valor de Importânicia), também se destacaram por apresentarem maiores estoques de biomassa e carbono.The aim of this study was to evaluate and compare the quality of the adjustments from the use of allometric models (Spurr, Schumacher & Hall and Husch) and artificial neural networks, and generate stock estimates of dry biomass and carbon from the best method. 15 permanent plots located in a fragment of dry seasonal forest, located in the municipality of Campos Belos - GO were inventoried of 737 individuals sampled 74 were strictly cubed. The model that presented best precision measurements, R² adjusted (0.88 to 0.96) and Syx% (9.2% to 28.0%) for both dry biomass (total and bole) and for Carbon (total and bole), was the template of Schumacher & Hall. 300 ANNs of the MLP type (multilayer perceptron) for each dependent variable were trained and the 10 networks with best results were retained for the analysis of precision measurements. All the best networks found had significantly better accuracy measures than those achieved by the Schumacher and Hall model. The stocks of dry biomass, total and bole, and carbon, total and bole, were respectively 65.61 ± 15.52 t ha-1, 34.17 ± 7.85 t ha-1, 29,47 ± 6,93 t.ha-1 e 15,16 ± 3,48 t.ha-1. The species with highest values of IVI and stock of dry biomass and carbon were Guazuma ulmifolia, Callisthene fasciculata, Myracrodruon urundeuva, Dilodendron bipinnatum.Faculdade de Tecnologia (FT)Departamento de Engenharia Florestal (FT EFL)Programa de Pós-Graduação em Ciências FlorestaisRezende, Alba ValériaMiguel, Eder PereiraMiranda, João Felipe Nunes de2016-05-12T21:05:28Z2016-05-12T21:05:28Z2016-05-122015-06-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfMIRANDA, João Felipe Nunes de. Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central. 2015. xii, 76 f., il. Dissertação (Mestrado em Ciências Florestais)—Universidade de Brasília, Brasília, 2015.http://repositorio.unb.br/handle/10482/20198http://dx.doi.org/10.26512/2015.06.D.20198A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd 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, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-02-05T18:01:15Zoai:repositorio.unb.br:10482/20198Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-02-05T18:01:15Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
Regression models and artificial neural networks in the measurement of carbon and woody biomass for a deciduous forest in Central Brazil
title Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
spellingShingle Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
Miranda, João Felipe Nunes de
Redes neurais artificiais
Estoque de carbono
Inteligência artificial
Biomassa
title_short Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_full Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_fullStr Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_full_unstemmed Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_sort Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
author Miranda, João Felipe Nunes de
author_facet Miranda, João Felipe Nunes de
author_role author
dc.contributor.none.fl_str_mv Rezende, Alba Valéria
Miguel, Eder Pereira
dc.contributor.author.fl_str_mv Miranda, João Felipe Nunes de
dc.subject.por.fl_str_mv Redes neurais artificiais
Estoque de carbono
Inteligência artificial
Biomassa
topic Redes neurais artificiais
Estoque de carbono
Inteligência artificial
Biomassa
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-graduação em Ciências Florestais, 2015.
publishDate 2015
dc.date.none.fl_str_mv 2015-06-26
2016-05-12T21:05:28Z
2016-05-12T21:05:28Z
2016-05-12
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.uri.fl_str_mv MIRANDA, João Felipe Nunes de. Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central. 2015. xii, 76 f., il. Dissertação (Mestrado em Ciências Florestais)—Universidade de Brasília, Brasília, 2015.
http://repositorio.unb.br/handle/10482/20198
http://dx.doi.org/10.26512/2015.06.D.20198
identifier_str_mv MIRANDA, João Felipe Nunes de. Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central. 2015. xii, 76 f., il. Dissertação (Mestrado em Ciências Florestais)—Universidade de Brasília, Brasília, 2015.
url http://repositorio.unb.br/handle/10482/20198
http://dx.doi.org/10.26512/2015.06.D.20198
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1818900939682086912

Registros relacionados