Redes neurais artificiais e regressão na estimativa da altura em povoamento experimental misto e equiâneo
Palavras-chave:
Eucalipto. Modelos hipsométricos. Paricá. Redes neurais artificiais. Regressão.Resumo
O objetivo deste trabalho foi estimar a altura de um povoamento experimental misto através de redes neurais artificiais e regressão linear. O estudo foi realizado em um povoamento experimental misto e equiâneo localizado no município de Paragominas-PA. Nesse povoamento foi realizado o inventário de todas as árvores, no qual há duas espécies, uma delas é um clone de eucalipto e a outra é o Paricá. Foram ajustados oito modelos hipsométricos e treinadas 240 redes neurais artificiais (RNAs) com diferentes configurações. As variáveis de entrada das RNAs foram DAP, classe diamétrica e espécie. Selecionaram-se as melhores configurações RNAs e modelos hipsométricos com base no método de valor ponderado. A raiz quadrada do erro médio (RQME) apresentou melhores resultados nas RNAs do que nos modelos de regressão, denotando que os modelos de regressão possuem maior tendenciosidade. O bias foi satisfatório, denotando que o algoritmo é equilibrado e eficaz. Apesar dos altos valores de RQME, os modelos hipsométricos, assim como as RNAs obtiveram coeficiente de variação com baixa dispersão. Quanto ao coeficiente de correlação e ao R²aj.,nota-se que as RNAs foram superiores em relação aos modelos hipsométricos. Ao analisar graficamente os resíduos dos estimadores, nota-se que as RNAs apresentaram homocedasticidade entre os dados, diferentemente dos modelos hipsométricos. As redes neurais artificiais e os modelos de regressão são formas viáveis para estimar da altura de um povoamento misto e equiâneo. As RNAs mostraram-se mais acuradas na estimação da altura total do povoamento misto e equiâneo, sendo o uso de variáveis categóricas um dos grandes destaques dessa técnica.
Downloads
Referências
Alvares, C. A.; Stape, J. L., Sentelhas, P. C., Moraes, G., Leonardo, J.; Sparovek, G. 2013. Köppen's climate classification map for Brazil. Meteorologische zeitschrift 22: 711-728. Doi: https://dx.doi.org/10.1127/0941-2948/2013/0507.
Artero, A. O. 2009. Inteligência artificial: teoria e prática. 1 ed. Editora Livraria da Física. São Paulo, SP, BRASIL.
Binoti, M. L. M. da S. 2010. Redes neurais artificiais para prognose da produção de povoamentos não desbastados de eucalipto. Viçosa: Universidade Federal de Viçosa, 54p. Dissertação Mestrado.
Binoti, D. H. B.; Binoti, M. L. M.; Leite, H. G.; Silva, A. 2013a. Redução dos custos em inventário de povoamentos equiâneos. Revista Brasileira de Ciências Agrárias 8: 125-129. Doi: https://dx.doi.org/10.5039/agraria.v8i1a2209.
Binoti, D. H. B.; Binoti, M. L. M. S.; Leite, H. G. 2014. Configuração de redes neurais artificiais para estimação do volume de árvores. Ciência da madeira 5: 58-67. Doi: https://dx.doi.org/10.12953/2177-6830.v05n01a06.
Binoti, M. L. M. da S.; Binoti, D. H. B.; Leite, H. G. 2013b. Aplicação de redes neurais artificiais para estimação da altura de povoamentos equiâneos de eucalipto. Revista árvore 37: 639-645. Doi: http://dx.doi.org/10.1590/S0100-67622013000400007.
Braga, A. de P.; Carvalho, A. C. P. de L. F. de; Ludemir, T. B. 2007. Redes neurais artificiais: teoria e aplicações. Rio de Janeiro, RJ, BRASIL.
Campos, J.C.C.; Leite, H.; G. 2013. Mensuração Florestal: Perguntas e Respostas. 4.ed. Editora da UFV. Viçosa, MG, BRASIL.
Cunha Neto, E. M.; Cantão, B. P.; Callegari, D. M.; Gouveia, D. M.; Rocha, J. E. C. 2017b. Redes neurais artificiais na estimativa do volume individual de árvores de um híbrido de eucalipto, no município de Paragominas – Pará. In: II congresso internacional das ciências agrárias, 2017b. Instituto Internacional Despertando Vocações. Políticas Educacionais e Suas Interfaces: Desafios e Perspectivas na Construção de Sociedades Sustentáveis... Doi: http://dx.doi.org/10.31692/2526-7701.Iicointerpdvagro.2017.00118.
Cunha Neto, E. M.; Rocha, J. E. C.; Gouveia, D. M. 2017a. Estimação de altura total individual de eucalipto por meio de modelos hipsométricos no município de Paragominas – Pará. In: II congresso internacional das ciências agrárias, 2017a. Instituto Internacional Despertando Vocações. Políticas Educacionais e Suas Interfaces: Desafios e Perspectivas na Construção de Sociedades Sustentáveis. Doi: http://dx.doi.org/10.31692/2526-7701.iicointerpdvagro.2017.00325.
Garcia, C. H. 1989. Tabelas para classificação do coeficiente de variação. Instituto de Pesquisas e Estudos Florestais [IPEF]. Piracicaba, SP, BRASIL.
Gorgens, E. B.; Leite, H. G.; Gleriani, J. M.; Soares, C. P. B.; Ceolin, A. 2014. Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais. Revista árvore 38: 289-295. Doi: http://dx.doi.org/10.1590/S0100-67622014000200009.
Haykin, S. 2001. Redes neurais: princípios e prática. 2.ed. Bookman. Porto Alegre, RS, BRASIL.
Leal, F. A.; Miguel, E. P; Matricardi, E. A. T.; Pereira, R. S. 2015. Redes neurais artificiais na estimativa de volume em um plantio de eucalipto em função de fotografias hemisféricas e número de árvores. Revista Brasileira de Biometria 33: 233-249.
Machado, S. A. Nascimento, R. G. M.; Augustynczik, A. L. D.; Silva, L. C. R.; Figura, M. A.; Pereira, E. M.; Teo, S. J. 2008. Comportamento da relação hipsométrica de Araucaria angustifolia no capão da engenharia florestal da UFPR. Pesquisa Florestal Brasileira 56: 5-16.
Martins, E. R; Binoti, M. L. M. S; Leite, H. G; Binoti, D. H; Dutra, G. C. 2016a. Configuração de redes neurais artificiais para estimação da altura total de árvores de eucalipto. Revista brasileira de ciências agrárias 11: 117-123. Doi: http://dx.doi.org/ 10.5039/agraria.v11i2a5373.
Martins, E. R; Binoti, M. L. M. S; Leite, H. G; Binoti, D. H; Dutra, G. C. 2016b. Configuração de redes neurais artificiais para estimação do afilamento do fuste de árvores de eucalipto. Revista Brasileira de Ciências Agrárias 11: 33-38. Doi: http://dx.doi.org/10.5039/agraria.v11i1a5354.
Özçelik, R.; Diamantopoulou, M. J.; Crecente-Campo, F.; Eler, U. 2013. Estimating Crimean juniper tree height using nonlinear regression and artificial neural network models. Forest ecology and management 306: 52–60. Doi: http://dx.doi.org/10.1016/j.foreco.2013.06.009.
Pereira, K. D; Paixão, M. V. C.; Monteiro, C. W. B.; Laurido, F. T.; Ferreira, P. S. T. 2014. Ajuste de modelos hipsométricos para árvores de Tectona grandis l.f. no município de mojú, pará. Enciclopédia Biosfera 10: 181-189.
R CORE TEAM. R. 2017. A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, AUSTRIA.
Sanquetta, C. R.; Corte, A. P. D.; Rodrigues, A. L.; Watzlawick, L. F. 2014. Inventários Florestais: Planejamento e Execução. 3.ed. Multi-Graphic, Curitiba, PR, BRASIL.
Sanquetta, M. N. I.; Sanquetta, C. R.; Mognon, F.; Corte, A. P. D.; Rodrigues, A. L.; Maas, G. B. C. 2015. Ajuste de equações hipsométricas para a estimação da altura total de indivíduos jovens de teca. Científica 43: 400-406. Doi: http://dx.doi.org/10.15361/1984-5529.2015v43n4p400-406.
Souza, A. S.; Santos, J. X.; Souza, D. V. 2017. Modelagem da relação hipsométrica para um povoamento do híbrido de eucalipto na Amazônia brasileira. Biofix Scientific Journal 2: 44-53. Doi: http://dx.doi.org/10.5380/biofix.v2i1.51395.
Thaines, F.; Braz E. M.; Mattos, P. V.; Thaines, A. A. R. 2010. Equações para estimativa de volume de madeira para a região do Rio Ituxi, Lábrea, AM. Pesquisa florestal brasileira 30: 283-289. Doi: http://dx.doi.org/10.4336/2010.pfb.30.64.283.
Thiersch, C. R.; Andrade, M. G.; Moreira, M. F. B.; Loibel, S. 2013. Estimativa da relação hipsométrica em clones de Eucalyptus sp. com o modelo de curtis ajustado por métodos bayesianos empíricos. Revista Árvore 37: 01-08. Doi: http://dx.doi.org/10.1590/S0100-67622013000100001.
Vendruscolo, D. G. S; Chaves, A. G. S; Medeiros, R. A.; Silva, R. S.; Souza, H. S.; Drescher, R.; Leite, H. G. 2017. Estimativa da altura de árvores de Tectona grandis L.f. utilizando regressão e redes neurais artificiais. Nativa 5: 52-58. Doi: http://dx.doi.org/10.5935/2318-7670.v05n01a09.
Vendruscolo, D. G. S; Drescher, R.; Souza, H. S.; Moura, J. P. V. M.; Mamoré, F. M. D.; Siqueira, T. A. S. 2015b. Estimativa da altura de eucalipto por meio de regressão não linear e redes neurais artificiais. Revista brasileira de biometria 33: 556-569. Doi: http://dx.doi.org/10.13140/RG.2.1.1742.5684.
Vendruscolo, D. G. S.; Drescher, R.; Souza, H. S. Silva, R. S. 2015a. Estratificação hipsométrica em plantios de eucaliptos na região sudeste de Mato Grosso. Agrarian Academy 2: 52-61. Doi: http://dx.doi.org/10.18677/Agrarian_Academy_005.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
Os Direitos Autorais para artigos publicados nesta revista são de direito do autor. Em virtude da aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores.
Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário. Nesses casos, os artigos, depois de adequados, deverão ser submetidos a nova apreciação.
As opiniões emitidas pelos autores dos artigos são de sua exclusiva responsabilidade.