Redes neurais artificiais e regressão na estimativa da altura em povoamento experimental misto e equiâneo

Authors

  • Ernandes Macedo da Cunha Neto Universidade Federal Rural da Amazônia
  • Jade Crystinne Franco Bezerra Universidade Federal Rural da Amazônia
  • Juliane dos Santos Andrade Universidade Federal Rural da Amazônia
  • Almir Lima do Mar Universidade Federal Rural da Amazônia
  • Monica Martins Vaz Universidade Federal Rural da Amazônia
  • Jonas Elias Castro da Rocha Universidade Federal Rural da Amazônia
  • Marcio Roberto da Silva Melo Universidade Federal Rural da Amazônia
  • Gustavo Antônio Ruffeil Alves Universidade Federal Rural da Amazônia

Keywords:

Eucalipto. Modelos hipsométricos. Paricá. Redes neurais artificiais. Regressão.

Abstract

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

Download data is not yet available.

Author Biography

Ernandes Macedo da Cunha Neto, Universidade Federal Rural da Amazônia

Graduando em Engenharia Florestal (10º período) pela Universidade Federal Rural da Amazônia, Campus Paragominas - PA, na qual estou desenvolvendo trabalhos na área de Manejo de Povoamentos Florestais, com ênfase em Inventário florestal e Dendrometria, além da aplicação de Redes Neurais Artificiais e Regressão Linear para prever diferentes recursos florestais, dentre eles, o crescimento do eucalipto clonal. Tem experiência na área de Geotecnologia, com ênfase em Sensoriamento Remoto, Geoprocessamento e Geoestatística.

 

References

Aertsen, W.; Kint, V.; Van Orshoven, J.; Özkan, K.; Muys, B. 2010. Comparison and ranking of different modelling techniques for prediction of site index in Mediterranean mountain forest. Ecological modelling. 221: 1119–1130. Doi:http://dx.doi.org/10.1016/j.ecolmodel.2010.01.007.

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.

Published

2018-12-29

How to Cite

Cunha Neto, E. M. da, Bezerra, J. C. F., Andrade, J. dos S., Mar, A. L. do, Vaz, M. M., Rocha, J. E. C. da, Melo, M. R. da S., & Alves, G. A. R. (2018). Redes neurais artificiais e regressão na estimativa da altura em povoamento experimental misto e equiâneo. Agrarian Sciences Journal, 10(3), 60–68. Retrieved from https://periodicos.ufmg.br/index.php/ccaufmg/article/view/3039

Issue

Section

Research Papers
Share |

Most read articles by the same author(s)