Redes neurais artificiais para estimação do volume de árvores

Abstract

RESUMO -Objetivou-se propor neste estudo uma metodologia com a utilização de Redes Neurais Artificiais (RNA), para redução do número de árvores a serem cubadas durante o processo de geração de equações volumétricas. Os dados utilizados neste estudo foram provenientes de cubagens de 2.700 árvores de povoamentos clonais de eucalipto localizados no Sul da Bahia. O treinamento das RNA foi feito visando à obtenção de redes para a estimação do volume com e sem casca. Como variáveis de entrada, utilizaram-se o diâmetro à altura do peito -1,30 m (dap), a altura e os diâmetros nas posições de 0,0; 0,5; 1,0; 1,5; 2,0; e 4,0 m do solo e os volumes obtidos até 2 e 4 m. A precisão do método foi feita com a aplicação do teste L&O. Avaliaram-se também a dispersão dos erros percentuais, o histograma de frequência dos erros percentuais e a raiz do erro quadrático médio (RMSE). A metodologia proposta neste estudo mostrou-se eficiente para a estimação do volume de árvores, sendo indicada para a obtenção do volume total com e sem casca de povoamentos de eucalipto, possibilitando a redução dos custos para a construção de equações volumétricas.Palavras-chave: Cubagem rigorosa; Inventário florestal; Mensuração florestal. (ANN) to reduce the number of trees to be scaled during the process of generating volumetric equations. The data used in this study were originated from measurements of 2,700 trees of clonal eucalyptus plantations located in southern Bahia State, Brazil. The training of ANN was performed in order to obtain networks for estimating the volume with and without bark. As input variables, we used the diameter at breast height (dbh) -1. 30 m, height, and diameter at 0.0, 0.5, 1.0, 1.5, 2.0 and 4.0 m above the ground and the volumes obtained until 2 and 4 m. The accuracy of the method was carried out using the test L & O. We also evaluated the dispersion of percentage errors, frequency histogram of the percentage error and the root mean square error (RMSE). The methodology proposed in this study proved to be efficient for estimating the volume of trees, and is indicated to obtain the total volume with and without bark of eucalyptus, enabling the reduction of costs for the construction of volumetric equations. ABSTRACT -The objective of this study was to propose a methodology by using Artificial Neural Networks

Modelagem Da Distribuição Diamétrica De Florestas Tropicais

“…Rede Neural Artificial (RNA) é um método da área de Inteligência Artificial, conhecido pela grande capacidade em aproximar funções não lineares. Na área florestal, este método tem demonstrado desempenho superior quando comparado aos métodos tradicionais da estatística clássica (DIAMANTOPOULOU, 2005;RODRIGUES et al, 2010;BINOTI et al, 2014, BINOTI et al, 2015. A vantagem deste método em relação aos demais é que trabalha com dados não paramétricos, com ruídos, incompletos e multicolineares.…”

Redes Neurais Artificiais na estimação de variáveis biométricas de mudas de espécies florestais produzidas em diferentes substratos

“…A seleção da MLP com o melhor número de neurônio na camada intermediária não é um processo trivial, por se tratar de um método aproximativo ou heurístico, normalmente feito por tentativas e erro. Alguns trabalhos reportam essa afirmação, como BINOTI et al (2014). Os autores sugerem um número ótimo de 10 neurônios na camada intermediária.…”

Artificial Neural Networks for Estimating Tree Volume in the Brazilian Savanna

“…The artifi cial neural networks were training under a multilayer perceptron (MLP) structure. The used algorithm was backpropagation taking into consideration a learning rate equals to 0.001 and stopping criteria based on the average of square error minimization (BINOTI et al, 2014). The neurons from the hidden layer had as transfer function a hyperbolic tangent function and the one from the output layer had a sigmoidal function.…”