Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais

Bráulio Pizziolo Furtado Campos; Gilson Fernandes da Silva; Daniel Henrique Breda Binoti; Adriano Ribeiro de Mendonça; Helio Garcia Leite

doi:10.4336/2016.pfb.36.88.1166

Authors

Bráulio Pizziolo Furtado Campos Engenheiro Florestal
Gilson Fernandes da Silva Universidade Federal do Espirito Santo
Daniel Henrique Breda Binoti Universidade Federal de Viçosa
Adriano Ribeiro de Mendonça Universidade Federal do Espírito
Helio Garcia Leite Universidade Federal de Viçosa

DOI:

https://doi.org/10.4336/2016.pfb.36.88.1166

Keywords:

Hypsometric relation, Forest inventories, Commercial forestry

Abstract

The objective of this study was to analyze the ability of an artificial neural network (ANN) to estimate the total height of two tree species in different growing conditions. For comparison purposes, it was also adjusted Campos hypsometric model, applied by stratum as genus, species, rotation, spacing and age classes. The evaluation of artificial neural networks and Campos model was based on the correlation coefficient between the observed and estimated heights, the square root of the mean square percentage error (RMSE) and graphical analysis. The results of this study showed that trees height of different species, in different growing conditions and locations can be estimated using a single neural network with the same efficiency and accuracy usually obtained with regression equations.

Downloads

Download data is not yet available.

Author Biographies

Bráulio Pizziolo Furtado Campos, Engenheiro Florestal

http://lattes.cnpq.br/9147007039212902

Gilson Fernandes da Silva, Universidade Federal do Espirito Santo

http://lattes.cnpq.br/9188478827893387

Daniel Henrique Breda Binoti, Universidade Federal de Viçosa

http://lattes.cnpq.br/2540451543790663

Adriano Ribeiro de Mendonça, Universidade Federal do Espírito

http://lattes.cnpq.br/9110967421921927

Helio Garcia Leite, Universidade Federal de Viçosa

http://lattes.cnpq.br/5418297150342702

References

D. H. B. et al. Configuração de redes neurais artificiais para estimação do volume de árvores. Ciência da Madeira, v. 5, n. 1, p. 58-67, 2014.

Binoti, D. H. B. et al. Modelagem da distribuição de diâmetros utilizando autômatos celulares e redes neurais artificiais. Cerne, v. 19, n. 4, p. 677-685, 2013a. DOI: 10.1590/S0104-77602013000400019.

Binoti, D. H. B. et al. Modelagem da distribuição diamétrica em povoamentos de eucalipto submetidos a desbaste utilizando autômatos celulares. Revista Árvore, v. 36, n. 5, p. 931-940, 2012. DOI: 10.1590/S0100-67622012000500015.

Binoti, D. H. B. et al. Redução dos custos em inventário de povoamentos equiâneos. Agrária: Revista Brasileira de Ciências Agrárias, v. 8, n. 1, p. 125-129, 2013b. DOI: 10.5039/agraria.v8i1a2209.

Binoti, M. L. M. da S. Redes neurais artificiais para prognose da produção de povoamentos não desbastados de eucalipto. 2010. 54 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, MG.

Binoti, M. L. M. S. et al. Aplicação de redes neurais artificiais para estimação da altura de povoamentos equiâneos de eucalipto. Revista Árvore, v. 37, n. 4, p. 639-645, 2013c. DOI: 10.1590/S0100-67622013000400007.

Binoti, M. L. M. S. Emprego de redes neurais artificiais em mensuração e manejo florestal. 2012. 130 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, MG.

Braga, A. P. et al. Redes neurais artificiais: teoria e aplicação. Rio de Janeiro: LTC, 2007. 262 p.

Bullinaria, J. A. Introduction to neural computation. Notas de aula. Disponível em: <http://www.cs.bham.ac.uk/~jxb/inc.html>. Acesso em: 15 nov. 2010.

Campos, J. C. C. et al. Inventário florestal nacional: reflorestamento: Minas Gerais. Brasília, DF: IBDF, 1984. 126 p.

Castro, R. V. O. et al. Individual growth model for Eucalyptus stands in Brazil using artificial neural network. ISRN Forestry, v. 2013, p. 1-12, 2013.

Curtis, R. Height-diameter and height-diameter-age equations for second-growth Douglas-fir. Forest Science, v. 13, n. 4, p. 365-375, 1967.

Diamantopoulou, M. J. Artificial neural networks as an alternative tool in pine bark volume estimation. Computers and Electronics in Agriculture, v. 10, p. 235-244, 2005a.

Diamantopoulou, M. J. & Milios, E. Modelling total volume of dominant pine trees in reforestations via multivariate analysis and artificial neural network models. Biosystems Engineering, v. 105, p. 306-315, 2010.

Diamantopoulou, M. J. Predicting fir trees stem diameters using artificial neural network models. Southern African Forestry Journal, v. 205, n. 1, p. 39-44, 2005b.

Diamantopoulou, M. J. Tree-Bole volume estimation on standing pine trees using cascade correlation artificial neural network models. Agricultural Engineering International: The CIGR EJournal, v. 8, 2006.

Goldschmidt, R. R. & Passos, E. Data mining: um guia prático. Rio de Janeiro: Campos, 2005. 261 p.

Görgens, E. B. et al. Estimação do volume de árvores utilizando redes neurais artificiais. Revista Árvore, v. 33, n. 6, p. 1141-1147, 2009.

Görgens, E. B. et al. Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais. Revista Árvore, v. 38, n. 2, p. 289-295, 2014.

Guan, B. T. & Gertner, G. Z. Modeling red pine tree survival with an artificial neural network. Forest Science, v. 37, n. 5, p. 1429-1440, 1991.

Haykin, S. Redes neurais: princípios e prática. Porto Alegre, 2001. 900 p.

Heaton, J. Programming neural networks with Encog3 in Java. 2nd ed. St. Louis: Heaton Research, 2011. 226 p.

Husch, B. et al. Forest mensuration. New York: John Wiley & Sons, 2003. 443 p.

Leduc, D. J. et al. Predicting diameter distributions of longleaf pine plantations. Asheville: U.S. Deptartment of Agriculture, Forest Service, Southern Research Station, 2001. 24 p. Disponível em: <http://www.treesearch.fs.fed.us/pubs/2819>. Acesso em: 31 out. 2015.

Leite, H. G. & Andrade, V. C. L. Uso do método da altura relativa em inventário florestal de um povoamento de Pinus. Revista Árvore, v. 28, n. 6, p. 865-873, 2004. DOI: 10.1590/S0100-67622004000600011.

Leite, H. G. et al. Estimation of inside-bark diameter and heartwood diameter for Tectona grandis Linn. trees using artificial neural networks. European Journal of Forest Research, v. 130, n. 2, p. 263-269, 2011. DOI: 10.1007/s10342-010-0427-7.

Prodan, M. Forest biometrics. Oxford: Pergamon, 1968. 447 p.

Silva, M. L. M. et al. Ajuste do modelo de Schumacher e Hall e aplicações de redes neurais artificiais para estimar volume de árvores de Eucalipto. Revista Árvore, v. 33, n. 6, p. 1133-1139, 2009.

Vieira, G. C. Prognose do diâmetro e da altura de árvores individuais utilizando inteligência artificial. 2015. 51 f. Dissertação (Mestrado em Ciências Florestais) - Universidade Federal do Espírito Santo, Jerônimo Monteiro.