Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-graduação em Ciências Florestais, 2015.

Main Author: Miranda, João Felipe Nunes de
Other Authors: Rezende, Alba Valéria
Format: Dissertação
Language: Português
Published: 2016
Subjects:
Online Access: http://repositorio.unb.br/handle/10482/20198
http://dx.doi.org/10.26512/2015.06.D.20198
Tags: Add Tag
No Tags, Be the first to tag this record!
id ir-10482-20198
recordtype dspace
spelling ir-10482-201982018-11-12T20:09:37Z Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central Regression models and artificial neural networks in the measurement of carbon and woody biomass for a deciduous forest in Central Brazil Miranda, João Felipe Nunes de Rezende, Alba Valéria Miguel, Eder Pereira Redes neurais artificiais Estoque de carbono Inteligência artificial Biomassa Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-graduação em Ciências Florestais, 2015. O presente estudo avaliou e comparou a qualidade de ajuste de modelos alométricos (Spurr, Schumacher & Hall e Husch) e de redes neurais artificiais na estimativa de estoque de biomassa seca e de carbono de árvores com diâmetro a altura do peito (DAP) igual ou superior a 5 cm, em área de floresta estacional decidual, localizada no Município de Campos Belos – GO, no Brasil central. Um total de 74 árvores pertencente a diferentes espécies registradas na área e distribuído em diferentes classes de diâmetro foram cubadas rigorosamente. Tanto para a biomassa seca (total e do fuste) quanto para o carbono (total e do fuste), o modelo de Schumacher & Hall foi o que apresentou melhores medidas de precisão. Foram treinadas 300 RNAs, do tipo MLP (multilayer perceptron) para cada variável dependente e as 10 redes com melhores resultados foram retidas para a análise das medidas de precisão. Todas as melhores redes encontradas apresentaram medidas de precisão sensivelmente melhores do que as alcançadas pelo modelo de Schumacher & Hall. Os estoques de biomassa seca total e do fuste foram iguais a respectivamente 65,61 ±15,52 t.ha-1 e 34,17 ± 7,85 t.ha-1. Para carbono, os estoques total e do fuste foram 29,47 ± 6,93 t.ha-1 e 15,16 ± 3,48 t.ha-1. Guazuma ulmifolia, Callisthene fasciculata, Myracrodruon urundeuva e Dilodendron bipinnatum, além de se destacarem na área por apresentarem maiores valores de IVI (índice de Valor de Importânicia), também se destacaram por apresentarem maiores estoques de biomassa e carbono. The aim of this study was to evaluate and compare the quality of the adjustments from the use of allometric models (Spurr, Schumacher & Hall and Husch) and artificial neural networks, and generate stock estimates of dry biomass and carbon from the best method. 15 permanent plots located in a fragment of dry seasonal forest, located in the municipality of Campos Belos - GO were inventoried of 737 individuals sampled 74 were strictly cubed. The model that presented best precision measurements, R² adjusted (0.88 to 0.96) and Syx% (9.2% to 28.0%) for both dry biomass (total and bole) and for Carbon (total and bole), was the template of Schumacher & Hall. 300 ANNs of the MLP type (multilayer perceptron) for each dependent variable were trained and the 10 networks with best results were retained for the analysis of precision measurements. All the best networks found had significantly better accuracy measures than those achieved by the Schumacher and Hall model. The stocks of dry biomass, total and bole, and carbon, total and bole, were respectively 65.61 ± 15.52 t ha-1, 34.17 ± 7.85 t ha-1, 29,47 ± 6,93 t.ha-1 e 15,16 ± 3,48 t.ha-1. The species with highest values of IVI and stock of dry biomass and carbon were Guazuma ulmifolia, Callisthene fasciculata, Myracrodruon urundeuva, Dilodendron bipinnatum. 2016-05-12T21:05:28Z 2016-05-12T21:05:28Z 2016-05-12T21:05:28Z 2015-06-26 Dissertação MIRANDA, João Felipe Nunes de. Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central. 2015. xii, 76 f., il. Dissertação (Mestrado em Ciências Florestais)—Universidade de Brasília, Brasília, 2015. http://repositorio.unb.br/handle/10482/20198 http://dx.doi.org/10.26512/2015.06.D.20198 Português Acesso Aberto A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. application/pdf
institution REPOSITORIO UNB
collection REPOSITORIO UNB
language Português
topic Redes neurais artificiais
Estoque de carbono
Inteligência artificial
Biomassa
spellingShingle Redes neurais artificiais
Estoque de carbono
Inteligência artificial
Biomassa
Miranda, João Felipe Nunes de
Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-graduação em Ciências Florestais, 2015.
author2 Rezende, Alba Valéria
format Dissertação
author Miranda, João Felipe Nunes de
author_sort Miranda, João Felipe Nunes de
title Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_short Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_full Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_fullStr Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_full_unstemmed Modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no Brasil Central
title_sort modelos de regressão e de redes neurais artificiais na quantificação de carbono e biomassa lenhosa em floresta estacional decidual no brasil central
publishDate 2016
url http://repositorio.unb.br/handle/10482/20198
http://dx.doi.org/10.26512/2015.06.D.20198
_version_ 1641988021490286592
score 13.657419