Купить СНПЧ А7 Архангельск, оперативня доставка

crosscheckdeposited

Estimativa da Altura de Árvores de Tectona grandis L.f. Utilizando Regressão e Redes Neurais Artificiais

DOI: http://dx.doi.org/10.5935/2318-7670.v05n01a09

http://www.ufmt.br/nativa 

downloadpdf

Diogo G. S. Vendruscolo1, Arthur G. S. Chaves2, Reginaldo A. Medeiros2, Raiane S. da Silva3, Hudson S. Souza1, Ronaldo Drescher1 & Hélio G. Leite4

 

Resumo: O objetivo deste estudo foi avaliar a modelagem por regressão e por redes neurais artificiais na estimativa da altura total de árvores de teca em diferentes espaçamentos em Cáceres, MT. A base de dados foi proveniente da medição do dap por meio de censo florestal. Posteriormente, estes foram agrupados em classes de diâmetro, com amplitude de 5 cm. Foi medida a altura total (h) de 20% dos indivíduos em cada espaçamento e classe de diâmetro. Para estimativa da altura total por regressão foram utilizados modelos não lineares e lineares, enquanto que para a estimativa por redes neurais artificiais foram testadas redes do tipo Multilayer Perceptron. Na modelagem por regressão, os modelos não lineares foram superiores aos lineares, com destaque para o modelo de Gompertz. As duas técnicas foram eficientes na estimativa da altura total de Tectona grandis, no entanto, a modelagem por redes neurais artificiais apresentou erro inferior a 10% em todos os espaçamentos analisados.

Palavras-chave : Teca, identidade de modelos, inteligência artificial.

 

Abstract : The aim of this study was to evaluate the modeling regression and artificial neural networks to estimate the total of teak trees in different spacings in Cáceres, MT, Brazil. The database was derived from the measurement of dbh by forest census. Subsequently, these were grouped into classes of diameter, with an amplitude of 5 cm. Was measured the overall height (h) of 20% of subjects in each spacing, and diameter class. To estimate the total height per regression were used nonlinear and linear models, while for the estimated by artificial neural networks of the type were tested Multilayer Perceptron. In regression modeling, the non-linear models were superior to linear, highlighting the Gompertz model. Both techniques were efficient for estimates the total teak height, however, through the modeling for artificial neural network, the error values were lower than 10% in all evaluated spacings.

Key words : Teak, identity models, artificial intelligence.

 

1 Departamento de Engenharia Florestal, Universidade Federal de Mato Grosso, Cuiabá, Mato Grosso, Brasil.
2 Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso, Cáceres, Mato Grosso, Brasil.
3 Departamento de Agronomia, Universidade do Estado de Mato Grosso, Cáceres, Mato Grosso, Brasil.
4 Departamento de Engenharia Florestal, Universidade Federal de Viçosa, Viçosa, Minas Gerais, Brasil.
* E-mail: diogoguido@hotmail.com

 

Literatura Citada

BARTOSZECK, A. C. P. S. et al. Dinâmica da relação hipsométrica em função da idade, do sítio e da densidade inicial de povoamentos de bracatinga da região metropolitana de Curitiba, Paraná. Revista Árvore, Viçosa, v. 28, n. 4, p. 517-533, 2004. http://dx.doi.org/10.1590/S0100-67622004000400006

BATISTA, J. L. F.; COUTO, H. T. Z.; MARQUESINI, M. Desempenho de modelos de relações hipsométricas: estudo em três tipos de floresta. Scientia Forestalis, Piracicaba, n. 16, p. 149-163, 2001.

BINOTI, D. H. B.; BINOTI, M. L. M. S.; LEITE, H. G. Configuração de redes neurais artificiais para estimação do volume de árvores. Ciência da Madeira, Pelotas, v. 5, n.1, p.58-67, 2014. http://dx.doi.org/10.12953/2177-6830.v05n01a06

BINOTI, D. H. B.; BINOTI, M. L. M.; LEITE, H. G.; SILVA, A. Redução de custos em inventário de povoamentos equiâneos. Agrária, Recife, v. 8, n. 1, p. 125-129, 2013. http://dx.doi.org/10.5039/agraria.v8i1a2209

BINOTI, M. L. M. S. Redes neurais artificiais para prognose da produção de povoamentos não desbastados de eucalipto. 2010. 54 f. Dissertação (Mestrado em Ciência Florestal) – Universidade Federal de Viçosa, Viçosa 2010.

BINOTI, M. L. M. S.; BINOTI, D. H. B.; LEITE, H. G. Aplicação de redes neurais artificiais para estimação da altura de povoamentos equiâneos de eucalipto. Revista Árvore, Viçosa, v. 37, n. 4, p. 639-645, 2013b. http://dx.doi.org/10.1590/S0100-67622013000400007

BRAGA, A. P.; CARVALHO A. P. L. F.; LUDEMIR, T. B. Redes Neurais Artificiais: Teoria e Aplicações. LTC - Livros Técnicos e Científicos Editora S.A., 2000. 262p.

CAMPOS, J. C. C.; LEITE, H. G. Mensuração florestal: perguntas e respostas. 4. ed. Viçosa: UFV, 2013. 605p.

CASTRO, R. V. O. Modelagem do crescimento em nível de árvores individuais e utilizando redes neurais e autômatos celulares. 2011. 80 f. Dissertação (Mestrado em Ciência Florestal) – Universidade Federal de Viçosa, Viçosa, 2011.

CURTIS, R. O. Height diamenter and height diamenter age equations for second growth Douglas-fir. Forest Science, Washington, v. 13, n. 4, p. 356-375, 1967.

DRESCHER, R. Crescimento e produção de Tectona grandis Linn. F., em povoamentos jovens de duas regiões do estado de Mato Grosso. 2004. 133 f. Tese (Doutorado em Engenharia Florestal) - Universidade Federal de Santa Maria, Santa Maria, 2004.

EMBRAPA – (Empresa Brasileira de Pesquisa Agropecuária). Centro Nacional de Pesquisa de Solos. Sistema Brasileiro de Classificação de Solos. 2. ed. Rio de Janeiro: Embrapa, 2006. 306 p.

GORGENS, E. B.; LEITE, H. G.; SANTOS, H. N.; GLERIANI, J. N. Estimação do volume de árvores utilizando redes neurais artificiais. Revista Árvore, Viçosa, v. 33, n. 6, p. 1141-1147, 2009. http://dx.doi.org/10.1590/S0100-67622009000600016

HAYKIN, S. Redes neurais: princípios e prática. Porto Alegre: 2001. 900p.

HORNIK, K.; STINCHCOMBE, M.; WHITE, H. Multilayer feed forward network are universal approximators. Neural Networks, Bandera, v. 2, n. 5, p. 359-366, 1989. http://dx.doi.org/10.1016/0893-6080(89)90020-8

LEITE, H. G.; OLIVEIRA, F. H. T. Statistical procedure to test the identity of analytical methods. Communications in Soil Science Plant Analysis, New York, v. 33, n. 7, p. 1105-1118, 2002. http://dx.doi.org/10.1081/CSS-120003875

MIGUEL, E. P.; MOTA, F. C. M.; TÉO, S. J.; NASCIMENTO, R. G. M.; LEAL, F. A.; PEREIRA, R. S.; REZENDE, A. V. Artificial intelligence tools in predicting the volume of trees within a forest stand. African Journal of Agricultural Research, v. 11, n. 21, p. 1914-1923, 2016. http://dx.doi.org/10.5897/AJAR2016.11015

MORAES NETO, S. P. de; PULROLNIK, K.; VILELA, L.; MUNHOZ, D. J. de M.; GUIMARÃES JUNIOR, R.; MARCHAO, R. L. Modelos hipsométricos para Eucalyptus cloeziana e Eucalyptus urophyla x Eucalyptus grandis em sistema agrosilvipastoril. Boletim de Pesquisa e Desenvolvimento, v. 286, 2010, 33p.

PRODAN, M.; PETERS, R.; COX, F.; REAL, P. Mensura forestal. San José: IICA, 1997. 586 p.

REGAZZI, A. J.; SILVA, C. H. O. Testes para verificar a igualdade de parâmetros e a identidade de modelos de regressão não-linear em dados de experimento com delineamento em blocos casualizados. Revista Ceres, Viçosa, v. 57, n. 3, p. 315-320, 2010. http://dx.doi.org/10.1590/S0034-737X2010000300005

ROSSI, A. S.; DRESCHER, R.; PELISSARI, A. L.; LANSSANOVA, L. R. Relação hipsométrica e crescimento de Tectona grandis L.f. no município de Monte Dourado, Pará. Scientia Forestalis, Piracicaba, v. 39, p. 301-307, 2011.

SILVA, G. F.; CURTO, R. de A.; SOARES, C. P. B.; PIASSI, L. de C. Avaliação de métodos de medição de altura em florestas naturais. Revista Árvore, Viçosa, v. 36, n. 2, p. 341-348, 2012. http://dx.doi.org/10.1590/S0100-67622012000200015

SILVA, M. L. M.; BINOTI, D. H. B.; GLERIANI, J. M.; LEITE, H. G. Ajuste do modelo de Schumacher e Hall e aplicação de redes neurais artificiais para estimar volume de árvores de eucalipto. Revista Árvore, Viçosa, v. 33, n. 6, p. 1133-1139, 2009. http://dx.doi.org/10.1590/S0100-67622009000600015

SILVA, R. S.; VENDRUSCOLO, D. G. S.; ROCHA, J. R. M. da; CHAVES, A. G. S.; SOUZA, H. S.; MOTTA, A. S. da. Desempenho silvicultural de Tectona grandis L. f. em diferentes espaçamentos em Cáceres, MT. Floresta e Ambiente, Seropédica, v. 23, n. 3, p. 397-405, 2016. http://dx.doi.org/10.1590/2179-8087.143015

SCOLFORO, J. R. S. Biometria florestal: parte I: modelos de regressão linear e não linear; parte II: modelos para relação hipsométrica, volume, afilamento e peso de matéria seca. Lavras: UFLA/FAEPE, 2005. 352 p.

STOFFELS, A.; SOEST, V. J. The main problems in sample plots. 3. height regression. Ned Bosbouwtijdschr. 25: 190-199. 1953. [English summary in for. Abstr. 15: 77.]

VENDRUSCOLO, D. G. S.; DRESCHER, R.; SOUZA, H. S.; MOURA, J. P. V. M.; MAMORÉ, F. M. D.; SIQUEIRA, T. A. da S. Estimativa da altura de eucalipto por meio de regressão não linear e redes neurais artificiais. Revista Brasileira de Biometria, São Paulo, v. 33, n. 4, p. 556-569, 2015.