Avaliação e seleção de variáveis preditoras na estimativa da densidade da madeira de eucalipto

Página do item simplificado
dc.contributor.advisor-co1Vidaurre, Graziela Baptista
dc.contributor.advisor1Silva, Mayra Luiza Marques da
dc.contributor.authorLopes, Isáira Leite e
dc.contributor.referee1Silva, Gilson Fernandes da
dc.contributor.referee2Alcântara, Aline Edwiges Mazon de
dc.date.accessioned2018-08-01T22:56:05Z
dc.date.available2018-08-01
dc.date.available2018-08-01T22:56:05Z
dc.date.issued2018-02-28
dc.description.abstractThe objective of this work was to evaluate and select the most relevant predictor variables for estimating the basic density of eucalyptus wood. The qualitative variables obtained from cadastral data (clone, sub-region and relief), the quantitative variables obtained from the Continuous Forest Inventory - IFC (total volume with bark, diameter at breast height and total height) and quantitative data from the climatic information of the study area (wind speed, mean temperature, mean total precipitation, vapor pressure deficit, water deficit and altitude) were used to estimate the wood density of 386 trees. The methods of evaluation and selection of variables used were: brute force with application of Artificial Neural Networks (RNA) testing all possible combinations between variables; algorithm of Garson and Random Forest, that quantify the individual importance of the predictor variables. The classification of the predictor variables varied among the methods, which can be attributed to their different mathematical approaches. The clone variable stood out from the others, in all methods. For the brute force method, the simplification of the artificial neural network with the use of 5 variables resulted in a higher degree of accuracy of the basic density estimates, where the optimal combination consisted of clone, age, total volume with bark, mean temperature and water deficit. As for the Garson algorithm, the 5 variables with the highest importance were: clone, subregion, relief, age and water deficit. Random Forest presented, among the 5 most important variables, clone, age, total height, mean total precipitation and mean temperature. However, in the face of computational effort to apply the brute force method, an alternative is the use of Random forest or Garson algorithm, since the variables selected in these methods also provided good estimates of the basic density of wood.
dc.description.resumoEste trabalho teve como objetivo avaliar e selecionar as variáveis preditoras mais relevantes para estimação da densidade básica da madeira de árvores de eucalipto. Foram avaliadas as variáveis qualitativas obtidas em informações cadastrais (clone, sub-região e relevo), quantitativas obtidas de Inventário Florestal Contínuo IFC (volume total com casca, diâmetro a altura do peito e altura total) e quantitativas referentes às informações climáticas da área em estudo (velocidade do vento, temperatura média, precipitação total média, déficit de pressão de vapor, déficit hídrico e altitude), para a estimação da densidade da madeira de 386 árvores. Os métodos de avaliação e seleção de variáveis utilizados foram: força bruta com aplicação de Redes Neurais Artificiais (RNA) testando todas as possíveis combinações entre as variáveis; algoritmo de Garson e Random Forest, que quantificam a importância individual das variáveis preditoras. A classificação das variáveis preditoras variou entre os métodos, o que pode ser atribuído às suas diferentes abordagens matemáticas. A variável clone destacou-se das demais, em todos os métodos. Para o método da força bruta, a simplificação da RNA com o uso de 5 variáveis resultou em maior grau de exatidão das estimativas de densidade básica, em que a combinação ótima consistiu nas variáveis clone, idade, volume total com casca, temperatura média e déficit hídrico. Quanto ao algoritmo de Garson, as 5 variáveis com maior valor de importância foram: clone, sub-região, relevo, idade e déficit hídrico. Já o Random Forest, apresentou dentre as 5 variáveis com maior importância, o clone, idade, altura total, precipitação total média e temperatura média. Entretanto, diante do esforço computacional para aplicação do método da força bruta, uma alternativa é o uso do Random forest ou algoritmo de Garson, visto que as variáveis selecionadas nestes métodos também proporcionaram boas estimativas de densidade básica da madeira.
dc.formatText
dc.identifier.citationLOPES, Isáira Leite e. Avaliação e seleção de variáveis preditoras na estimativa da densidade da madeira de eucalipto. 2018. 69 f. Dissertação (Mestrado em Ciências Florestais) – Universidade Federal do Espírito Santo, Centro de Ciências Agrárias e Engenharias, Jerônimo Monteiro, 2018.
dc.identifier.urihttp://repositorio.ufes.br/handle/10/7696
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Ciências Florestais
dc.publisher.departmentCentro de Ciências Agrárias e Engenharias
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Ciências Florestais
dc.rightsopen access
dc.subjectRandom foresteng
dc.subjectGarson algorithmeng
dc.subjectAlgoritmo de Garsonpor
dc.subjectArtificial neural networkseng
dc.subjectRedes neurais artificiaispor
dc.subjectWoodeng
dc.subjectMensuração florestalpor
dc.subjectForest measurementeng
dc.subjectEucaliptopor
dc.subjectDensidade da madeirapor
dc.subjectFlorestas-Mediçãopor
dc.subject.br-rjbnRedes neurais (Computação)
dc.subject.cnpqRecursos Florestais e Engenharia Florestal
dc.subject.udc630
dc.titleAvaliação e seleção de variáveis preditoras na estimativa da densidade da madeira de eucalipto
dc.title.alternativeEvaluation and selection of predictive variables in the_x000D_ estimation of wood density of Eucalyptus
dc.typemasterThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
IsáiraLeiteeLopes-2018-trabalho.pdf
Tamanho:
1.92 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Mestrado em Ciências Florestais