1. RiUfes
2. CCAE - Centro de Ciências Agrárias e Engenharias
3. PPGCF - Programa de Pós-Graduação em Ciências Florestais
4. PPGCF - Dissertações de Mestrado

Título:	Estimação de altura, volume e afilamento de árvores de eucalipto utilizando máquina de vetor de suporte
Autor(es):	Souza, Luandson Araújo de
Orientador:	Mendonça, Adriano Ribeiro de
Coorientador:	Silva, Mayra Luiza Marques da
Palavras-chave:	Regression Models Eucalipto Machine Learning Análise de regressão Dendrometric Variables Aprendizado de computador Modelos de Regressão Aprendizagem de Máquinas Variáveis dendrométricas
Data do documento:	21-Fev-2017
Editor:	Universidade Federal do Espírito Santo
Resumo:	Diante de restrições no uso de florestas inequiâneas, o investimento em florestas equiâneas tem sido cada vez maior. Isso torna crescente o interesse em estudos buscando maximizar o rendimento em volume de madeira dessas florestas. O crescimento desse setor tem impulsionado a busca por métodos mais acurados na estimação de variáveis dendrométricas a fim de obter estimativas confiáveis a respeito do estoque volumétrico dos povoamentos florestais. Este trabalho teve como objetivo avaliar a exatidão da estimação da altura total, volume e afilamento do fuste de árvores de eucalipto, utilizando Máquina de Vetor de Suporte (MVS). Para a realização deste trabalho, foram utilizados dados provenientes de um povoamento de eucalipto. A base de dados foi dividida, aleatoriamente, em dois grupos: 70% para ajuste dos modelos de regressão e treinamento da MVS e 30% para validação. Foram ajustadas diferentes configurações de MVS e diferentes modelos de regressão. A avaliação dos modelos de regressão e das configurações da MVS foi baseada nas estatísticas: coeficiente de correlação, raiz quadrada do erro quadrático médio e viés. Com base nos resultados obtidos, foi observado que a MVS proporcionou maior exatidão nas estimativas da altura total, volume individual e afilamento do fuste em relação aos modelos clássicos de regressão utilizados. Faced with restrictions on the use of uneven-aged forests, the investment in evenaged forests has been increasing. This increases the interest in studies seeking to maximize the yield in volume of these forests. The growth of this sector has driven the search for more accurate methods in the estimation of dendrometric variables in order to obtain reliable estimates of the volumetric stock of the forests stands. This work had as objective to evaluate the accuracy of estimate of total height, volume and stem taper of eucalyptus trees, using Support Vector Machine (SVM). For the realization this work, were used data from a eucalyptus stand. The database were randomly divided into two groups: 70% for fit of regression models and training of MVS and 30% for validation. Were fitted different configurations of SVM and different regression models. The evaluation of the regression models and configurations of SVM was based on the statistics: correlation coefficient, root mean square error and bias. Based on the results obtained, it was observed that the SVM provided greater accuracy in the estimates of total height, individual volume and taper in relation to the classic regression models used.
URI:	http://repositorio.ufes.br/handle/10/7652
Aparece nas coleções:	PPGCF - Dissertações de Mestrado

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.