Estimating Crimean juniper tree height using nonlinear regression and artificial neural network models

Özçelık, Ramazan; Diamantopoulou, Maria J.; Crecente-Campo, Felipe; Eler, Ünal

doi:10.1016/j.foreco.2013.06.009

Cited by 102 publications

(74 citation statements)

References 40 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Esse último tem sido empregado para diferentes espécies, gerando estimativas de grande exatidão (LEITE et al, 2006;LEITE et al, 2011;SILVA et al, 2011). Já com relação às redes neurais artificiais, diversos estudos envolvendo aproximação de funções em manejo florestal foram desenvolvidos (GÖRGENS et al, 2009;SOARES et al, 2011;BINOTI et al, 2012;ÖZÇELIK et al, 2013;GÖRGENS et al, 2014;BINOTI et al, 2014;DIAMANTOPOULOU et al, 2015). Para o caso específico da modelagem do perfil do fuste, destacam-se os trabalhos de SCHIKOWSKI et al (2015) e MENDONÇA et al (2015.…”

Section: Introductionunclassified

Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Silva¹,

Nolasco²,

Neto³

et al. 2016

Encicl. Biosf.

View full text Add to dashboard Cite

RESUMOO objetivo deste estudo foi avaliar a eficiência do uso de uma rede neural artificial (RNA) para estimar o afilamento do fuste de árvores de eucalipto em sistemas silvipastoris com dois arranjos espaciais. Os dados foram provenientes de 35 árvores-amostras cubadas em sistemas silvipastoris com arranjos espaciais de 12 m x 4 m e 12 m x 2 m. Foi ajustado o modelo proposto por Garay para cada arranjo espacial. Foi treinada uma RNA de configuração Multilayer Perceptron utilizando os arranjos como variável categórica. As demais variáveis de entrada da RNA foram o diâmetro à altura do peito -1,30 m de altura, altura total, alturas de cada seção e os correspondentes diâmetros. A precisão dos métodos foi avaliada por meio das estatísticas da raiz do erro quadrático médio, correlação entre diâmetros observados e estimados, dispersão dos erros percentuais e o desvio médio absoluto. A RNA apresentou desempenho similar ao das duas funções de afilamento, demonstrando ser uma metodologia apropriada para pequenos plantios de eucalipto em sistema silvipastoril, onde pode existir restrição para o abate de árvores. PALAVRAS-CHAVE: ILPF, inteligência artificial, taper. ABSTRACTThe aim of this study was to evaluate the efficiency of using an artificial neural network (ANN) to estimate the stem taper of eucalypt trees in a silvopastoral system composed with two spatial arrangements. The data used were collected out of 35 sample-trees scaled in a silvipastoral system with spatial arrangements of 12 m x 4 m and 12 m x 2 m. The taper model proposed by Garay was fitted for each spatial arrangement. Also, the ANN with Multilayer Perceptron configuration, using the spatial arrangement as a categorical variable, was trained. The others input variables for the ANN were the diameter at breast height -1.30 m height, total height, height of each section and the corresponding diameters. The accuracy of the methods was evaluated using the Root Mean-square Error, the correlation between observed and estimated diameters, dispersion of percentage errors and the mean absolut deviaton. The ANN achieved a similar performance compared to the two functions of tapering, proving to be an appropriate methodology for small eucalyptus plantations in silvopastoral system, where there may be restrictions for logging.

show abstract

Section: Introductionunclassified

Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Silva¹,

Nolasco²,

Neto³

et al. 2016

Encicl. Biosf.

View full text Add to dashboard Cite

show abstract

“…Vários trabalhos demonstram os excelentes resultados alcançados através da utilização de RNA em estimativas florestais, tais como estimativas de volume (Gorgens et al, 2009;Diamantopoulou & Milios, 2010;Özçelik et al, 2010;Rodrigues et al, 2010;Binoti et al, 2014), altura total (Diamantopoulou, 2012;Binoti et al, 2013a;Binoti et al, 2013b;Özçelik et al, 2013), afilamento do fuste (Leite et al, 2010;Soares et al, 2011), prognose da produção Martins et al, 2015).…”

Section: Introductionunclassified

“…Deste modo, a definição da melhor configuração de uma rede para um determinado problema é um processo de tentativa e erro, sendo necessário alterar os parâmetros quando a rede não apresenta um bom desempenho (Artero, 2009). Assim, a escolha de uma RNA apropriada pode demandar muito tempo, devido ao número elevado de combinações possíveis dos parâmetros da rede (Braga et al, 2007;Aertsen et al, 2010;Özçelik et al, 2013).…”

Section: Introductionunclassified

Configuração de redes neurais artificiais para estimação da altura total de árvores de eucalipto

Martins

Binoti

Leite

et al. 2016

Agraria

View full text Add to dashboard Cite

RESUMOO objetivo do presente trabalho foi definir configurações adequadas de Redes Neurais Artificiais (RNA) para a obtenção da altura total de árvores de eucalipto. Os dados utilizados foram provenientes de inventários florestais contínuos em povoamentos com idades entre 21 a 137 meses, localizados no sul da Bahia. As configurações de RNA testadas variaram em relação ao número de neurônios na camada oculta, função de ativação, número de ciclos e algoritmos de aprendizagem com seus parâmetros. Os testes foram realizados no sistema Neuroforest e as estimativas foram avaliadas pelo coeficiente de correlação, raiz quadrada do erro quadrático médio (RMSE%) e análise gráfica de resíduos. A estimação da altura de árvores pode ser feita por meio de diversas configurações de RNA, utilizando os algoritmos de aprendizagem Resilient Propagation, Quick Propagation e Scaled Conjugate Gradient, com o número de neurônios ocultos variando entre 03 e 08 para o algoritmo Quick Propagation e 13 e 20 para o algoritmo Scaled Conjugate Gradient. As funções de ativação tangente hiperbólica, sigmóide, log e seno são apropriadas para as camadas ocultas e de saída, e as funções linear e identidade se mostraram apropriadas apenas para a camada de saída. Dois mil ciclos são suficientes para o treinamento das RNA. Palavras-chave: inteligência artificial, neuroforest, relações hipsométricas Configuration of artificial neural networks for estimation of total height of eucalyptus trees ABSTRACTThe aim of this study was to define appropriate configurations of Artificial Neural Networks (ANN) to obtain the total height of eucalyptus trees. The data used came from continuous forest inventories in stands aged 21-137 months located in southern Bahia. The ANN configurations tested varied according to the number of neurons in the hidden layer, activation function, number of cycles and learning algorithms with their parameters. The tests were performed in Neuroforest system and the estimates were evaluated using the correlation coefficient, the root mean square error (RMSE%), and graphical analysis of residues. The estimation of the height of trees may be made by various ANN configurations using the learning algorithms Resilient Propagation, Quick Propagation and Scaled Conjugate Gradient, with number of hidden neurons varying between 03 and 08 for the Quick Propagation algorithm and 13 and 20 to Scaled Conjugate Gradient algorithm. The activation functions hyperbolic tangent, sigmoid, log and sine are suitable for the hidden and output layers, and functions linear and identity proved suitable only for the output layer. Two thousand cycles are sufficient for the training of ANN.

show abstract

“…Several authors have predicted height based on DBH, age and other statistical information using artificial neural networks (Castaño-Santamaría et al 2013, Özçelik et al 2013. Castro et al (2013) used ANN for models of growth in Eucalyptus.…”

Section: Introductionmentioning

confidence: 99%

Application of neural networks to predict volume in eucalyptus

Bhering

Cruz

Rosado

et al. 2015

Crop Breed. Appl. Biotechnol.

View full text Add to dashboard Cite

-The aim of this study was to evaluate the methodology of Artificial Neural Networks (ANN) in order to predict wood volume in eucalyptus and its impacts on the selection of superior families, and to compare artificial neural network with regression models. Data used were obtained in a random block design with 140 half-sib families with five replications at three years of age, and four replications at six years of age, both with five plants per plot. The volume was estimated using ANN and regression models. It was used 2000 and 1500 data to train ANN, and 1500 and 1300 to validate ANN for 3 and 6 years of age, respectively. It is concluded that ANN can help improving the accuracy to measure the volume in eucalyptus trees, and to automate the process of forestry inventory and were more accurate in predicting wood volume than almost all regression models. Keywords

show abstract

Estimating Crimean juniper tree height using nonlinear regression and artificial neural network models

Cited by 102 publications

References 40 publications

Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Configuração de redes neurais artificiais para estimação da altura total de árvores de eucalipto

Application of neural networks to predict volume in eucalyptus

Contact Info

Product

Resources

About