Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1124140
Título: Uso de regressão e redes neurais artificiais na estimativa do volume de Khaya ivorensis.
Autoria: LOPES, L. S. S.
RODE, R.
PAULETTO, D.
BALONEQUE, D. D.
SANTOS, F. G. dos
SILVA, A. R.
BINOTI, D. H. B.
LEITE, H. G.
Afiliação: Lucas Sérgio Sousa Lopes, UFV; Rafael Rode, UFOPA; Daniela Pauletto, UFOPA; Diego Damázio Baloneque, UFOPA; Fábio Guerra dos Santos, IBAMA; ARYSTIDES RESENDE SILVA, CPATU; Daniel Henrique Breda Binoti, DAP Engenharia Florestal; Helio Garcia Leite, UFV.
Ano de publicação: 2020
Referência: Ciência da Madeira, v. 11, n. 2, p. 74-84, 2020.
Conteúdo: Este trabalho objetivou comparar o volume de árvores de mogno africano estimado pelo modelo de Schumacher e Hall e por redes neurais artificiais. A coleta de dados ocorreu em dois sistemas agroflorestais no município de Belterra, Pará, com 7 e 11 anos de idade. Em cada local foram cubadas 34 árvores em pé. Para as estimativas de volume comercial foram empregadas as formas do modelo de Schumacher e Hall (linear e não linear) e uso de redes neurais artificiais (RNA) do tipo Multilayers perceptron. As arquiteturas de RNA com 4 neurônios na camada de entrada propiciaram as melhores estimativas e valores de erro, sensivelmente melhores do que os modelos volumétricos, tendo as RNA um erro 36,7% menor que o modelo de Schumacher e Hall não linear. Este último modelo apresentou tendência a superestimar os volumes e a RNA obteve estimativas mais livres de tendências. As redes neurais artificiais geraram estimativas com maior precisão em relação às formas do modelo de regressão. Essa técnica mostrou-se viável, pois uma única rede pode estimar o volume para diferentes locais, dispensando necessidade de estratificação.
Thesagro: Volume
Árvore
NAL Thesaurus: Khaya ivorensis
Palavras-chave: Mogno africano
Volumetria
Redes neurais
Belterra
Digital Object Identifier: 10.12953/2177-6830/rcm.v11n2p74-84
Tipo do material: Artigo de periódico
Acesso: openAccess
Aparece nas coleções:Artigo em periódico indexado (CPATU)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Artigo-Ciencia-da-Madeira-2020.pdf407,78 kBAdobe PDFThumbnail
Visualizar/Abrir

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace