Estimativa da altura de árvores de Tectona grandis L.f. utilizando regressão e redes neurais artificiais

Abstract

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.Height estimative of Tectona grandis L. f. trees using regression and artificial neural networks 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.

Estimação Da Altura Total De Árvores De Ipê Felpudo Utilizando Modelos De Regressão E Redes Neurais

“…Avaliando modelos lineares, não lineares e diferentes configurações de RNAs para estimar a altura de teca em quatro diferentes espaçamentos, Vendruscolo et al (2017) concluíram que as redes foram superiores aos demais métodos, com RQME inferior a 10% em todos os casos.…”

Estimativa Do Afilamento Do Fuste De Indivíduos De Eucalipto Por Meio De Técnicas De Inteligência Artifical

“…O coeficiente de correlação teve resultados com valores maiores que 0,99 para o treinamento e 0,98 para a validação das RNA, de modo que a rede 165 obteve maior correlação dentre as selecionadas para a validação, similar aos valores de correlação alcançados por Binoti et al (2013), Vendruscolo et al (2015), Vendruscolo et al (2017) e Cunha Neto et al (2018, reafirmando a capacidade das redes em estimar tal variável.…”

Uso De Diferentes Técnicas Para Descrição Da Altura De Um Plantio Monoespecífico De Angico-Vermelho

“…É recomendado o uso de configurações mais simples para a finalidade de estimar altura de árvores usando RNA, evitando ocorrência de overfitting, ou seja, a rede se ajusta muito bem a um conjunto de dados anteriormente observado, mas quando é aplicada em outro conjunto geralmente ocorrem superestimativas, resultando em valores tendenciosos (BRAGA et al, 2007). Vendruscolo et al (2017) em seu estudo tiveram como objetivo estimar a altura de árvores da espécie Tectona grandis com regressão convencional e com redes neurais artificiais, com isso, verificaram que ambas as técnicas são eficientes, porém as RNA proporcionam a obtenção de melhores estimativas que as obtidas por regressão, com erro inferior a 10%. Vendruscolo et al (2015) com o objetivo de estimar altura de eucaliptos por regressão e RNA afirmaram que tanto as estimativas por regressões como por redes são eficientes, no entanto, as redes são levemente superiores estatisticamente e tem a vantagem de usar variáveis categóricas.…”

“…São encontrados na literatura florestal diversos modelos para estimar altura total de árvores que podem ser utilizados para diferentes espécies. Devido a mensuração dessa variável apresentar um custo significativo nos inventários florestais, torna-se importante realizar estudos voltados à modelagem, aos procedimentos e aos equipamentos de mensuração da altura (VENDRUSCOLO et al, 2017).…”