Estimativa de biomassa arbórea no bioma mata atlântica

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: CORDEIRO, Márcio Assis
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
APRENDIZADO DE MÁQUINA
Modelo Misto
REDES NEURAIS ARTIFICIAIS
FLORESTA OMBROFILA MISTA
Random forest
máquina de vetor de suporte
Link de acesso: https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156325
Resumo: (Doutorado em Ciências Florestais) - Programa de Pós-Graduação em Ciências Florestais, Universidade Estadual do Centro-Oeste
id UCEN_a0c03f42e490103dd8e96cfe5111e67d
oai_identifier_str oai::156325
network_acronym_str UCEN
network_name_str Biblioteca Digital de Teses e Dissertações do UNICENTRO
repository_id_str
spelling Estimativa de biomassa arbórea no bioma mata atlânticaTree Biomass Estimation in the Atlantic Forest BiomeAPRENDIZADO DE MÁQUINAModelo MistoREDES NEURAIS ARTIFICIAISFLORESTA OMBROFILA MISTARandom forestmáquina de vetor de suporte(Doutorado em Ciências Florestais) - Programa de Pós-Graduação em Ciências Florestais, Universidade Estadual do Centro-OesteEste estudo teve por objetivo comparar diferentes alternativas para estimar a biomassa arbórea seca de 6 (seis) diferentes regiões de Floresta Ombrófila Mista no estado do Paraná. O estudo foi desenvolvido utilizando amostras de biomassa arbórea de 382 árvores, coletadas por meio do método destrutivo, distribuídas nas regiões de Araucária (102), Boa Ventura de São Roque (26), Castro (42), Coronel Vivida (17), General Carneiro (172) e Reserva do Iguaçu (23). O número de espécies encontradas foi de 109 com predominância das Euphorbiaceaes (86), Myrtaceaes (54), Lauraceas (29), Aquifoliaceas (26), Primulaceaes (24) e Araucariaceaes (15) entre outras, com destaque para o Pinheiro do Paraná que foi amostrado apenas em General Carneiro. As florestas sofreram ações de manejo em diferentes graus e várias estão em franco processo de regeneração, pois foram isoladas pelos proprietários. Com os dados de biomassa, diâmetros e alturas totais ajustou-se o modelo de Schumacher e Hall (1933) para o banco de dados total e para cada área separadamente, considerando as estruturas de um modelo de efeito fixo e de um modelo misto. Além das abordagens dos modelos de efeito fixo e misto, foi realizado o teste F, que avalia a hipótese de que o modelo reduzido para os grupos é idêntico aos modelos completos para cada área em estudo. Foi utilizado também o algoritmo Random Forest (RF) possuindo o parâmetro fixo de 500 árvores de regressão (Ntree). Além disso, foram utilizadas seis configurações de máquina de vetor de suporte (MVS), formadas a partir de duas funções de erro e três funções de kernel. As funções de erro otimizadas foram: função do tipo I e do tipo II. Também foram treinadas 1.000 redes neurais (RNA) do tipo Multilayer Perceptron (Multicamadas), empregando-se os algoritmos Backpropagation e Simulated Annealing para todo o conjunto de dados e por formação florestal (com 70% dos dados), de forma supervisionada. Os critérios de seleção utilizado em todos os métodos foram a correlação entre a biomassa observada e estimada (ryy), a raiz quadrada do erro médio (RQEM), bias (viés), Média das Diferenças Absolutas (MDA), e entre os modelos fixo e misto, utilizou-se as estatísticas AIC (critério de informação de Akaike) e BIC (critério de informação Bayesiano), também foi analisado graficamente os valores observados e estimados para cada área de estudo, a distribuição de frequência por classe de erro relativo percentual. Após o processamento dos dados, verificou-se que as MVS apresentaram melhores resultados para o conjunto total de dados e para as áreas em Araucária e Castro, o modelo de efeito fixo apresentou melhor resultado na área de Boa Ventura de São Roque, já nas áreas de estudo em Coronel Vivida, General Carneiro e Reserva do Iguaçu, as RNA obtiveram melhores desempenhos.This study aimed to compare different alternatives to estimate the dry aerial biomass of 6 (six) different regions of Mixed Ombrophilous Forest in the state of Paraná. The study was developed using aerial biomass samples from 382 trees, collected using the destructive method, distributed in the municipalities regions of Araucária (102), Boa Ventura de São Roque (26), Castro (42), Coronel Vivida (17), General Carneiro (172) and Reserva do Iguaçu (23). The number of species identified was 109 with a predominance of Euphorbiaceaes (86), Myrtaceaes (54), Lauraceas (29), Aquifoliaceas (26), Primulaceaes (24) and Araucariaceaes (15) among others, with emphasis on the Paraná Pine, which was sampled only in General Carneiro. The forests were submitted to management actions to different degrees and several are in the process of regeneration, as they were isolated by the owners. With data on biomass, diameters and total heights, the Schumacher and Hall (1933) model was adjusted for the total database and for each area separately, considering the structures of a fixed effect model and a mixed model. In addition to the fixed and mixed effect model approaches, the F test was performed, which evaluates the hypothesis that the reduced model for the groups is identical to the full models for each area under study. The Random Forest (RF) algorithm was also used, having a fixed parameter of 500 regression trees (Ntree). Furthermore, six support vector machine (SVM) configurations were used, formed from two error functions and three kernel functions. The optimized error functions were: type I and type II function. 1000 Multilayer Perceptron neural networks (ANN) were also trained, using the Backpropagation and Simulated Annealing algorithms for the entire data set and for forest formation (with 70% of the data), in a supervised manner. The selection criteria used in all methods were the correlation between the observed and estimated biomass (ryy), the square root of the mean squared error (RMSE), bias, Mean Absolute Differences (MAD), and between the models fixed and mixed, the AIC (Akaike information criterion) and BIC (Bayesian information criterion) statistics were used, the observed and estimated values for each study area were also graphically analyzed, the frequency distribution by relative error class percentage. After processing the data, it was found that the MVS presented better results for the total data set and for the areas in Araucária and Castro, the fixed effect model presented better results in the area of Boa Ventura de São Roque, while in the areas study in Coronel Vivida, General Carneiro and Reserva do Iguaçu, the ANNs performed better.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESAcesso AbertoSubmitted by Fabiano Jucá (fjuca@unicentro.br) on 2025-03-26T18:47:47Z No. of bitstreams: 1 MARCIO ASSIS CORDEIRO.pdf: 4376455 bytes, checksum: 3179cd0121ae7848b1b4664b5e731f57 (MD5) Made available in DSpace on 2025-03-26T18:47:47Z (GMT). No. of bitstreams: 1 MARCIO ASSIS CORDEIRO.pdf: 4376455 bytes, checksum: 3179cd0121ae7848b1b4664b5e731f57 (MD5) Previous issue date: 2024-02-27Unicentro - Departamento de Engenharia FlorestalWATZLAWICK, Luciano FarinhaCORDEIRO, Márcio Assis2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf82 f.https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156325https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156325Cover: https://biblioteca.sophia.com.br/terminalri/9566/capa/capa?codigo=156325porreponame:Biblioteca Digital de Teses e Dissertações do UNICENTROinstname:Universidade Estadual do Centro-Oeste (UNICENTRO)instacron:UNICENTROinfo:eu-repo/semantics/openAccess2025-09-19T08:51:08Zoai::156325Biblioteca Digital de Teses e Dissertaçõeshttp://tede.unicentro.br:8080/jspui/PUBhttp://tede.unicentro.br/tde_oai/oai3.phprepositorio@unicentro.br||fabianoqueiroz@yahoo.com.bropendoar:2025-09-19T08:51:08Biblioteca Digital de Teses e Dissertações do UNICENTRO - Universidade Estadual do Centro-Oeste (UNICENTRO)false
dc.title.none.fl_str_mv Estimativa de biomassa arbórea no bioma mata atlântica
Tree Biomass Estimation in the Atlantic Forest Biome
title Estimativa de biomassa arbórea no bioma mata atlântica
spellingShingle Estimativa de biomassa arbórea no bioma mata atlântica
CORDEIRO, Márcio Assis
APRENDIZADO DE MÁQUINA
Modelo Misto
REDES NEURAIS ARTIFICIAIS
FLORESTA OMBROFILA MISTA
Random forest
máquina de vetor de suporte
title_short Estimativa de biomassa arbórea no bioma mata atlântica
title_full Estimativa de biomassa arbórea no bioma mata atlântica
title_fullStr Estimativa de biomassa arbórea no bioma mata atlântica
title_full_unstemmed Estimativa de biomassa arbórea no bioma mata atlântica
title_sort Estimativa de biomassa arbórea no bioma mata atlântica
author CORDEIRO, Márcio Assis
author_facet CORDEIRO, Márcio Assis
author_role author
dc.contributor.none.fl_str_mv WATZLAWICK, Luciano Farinha
dc.contributor.author.fl_str_mv CORDEIRO, Márcio Assis
dc.subject.por.fl_str_mv APRENDIZADO DE MÁQUINA
Modelo Misto
REDES NEURAIS ARTIFICIAIS
FLORESTA OMBROFILA MISTA
Random forest
máquina de vetor de suporte
topic APRENDIZADO DE MÁQUINA
Modelo Misto
REDES NEURAIS ARTIFICIAIS
FLORESTA OMBROFILA MISTA
Random forest
máquina de vetor de suporte
description (Doutorado em Ciências Florestais) - Programa de Pós-Graduação em Ciências Florestais, Universidade Estadual do Centro-Oeste
publishDate 2024
dc.date.none.fl_str_mv 2024
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156325
url https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156325
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156325
Cover: https://biblioteca.sophia.com.br/terminalri/9566/capa/capa?codigo=156325
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
82 f.
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do UNICENTRO
instname:Universidade Estadual do Centro-Oeste (UNICENTRO)
instacron:UNICENTRO
instname_str Universidade Estadual do Centro-Oeste (UNICENTRO)
instacron_str UNICENTRO
institution UNICENTRO
reponame_str Biblioteca Digital de Teses e Dissertações do UNICENTRO
collection Biblioteca Digital de Teses e Dissertações do UNICENTRO
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do UNICENTRO - Universidade Estadual do Centro-Oeste (UNICENTRO)
repository.mail.fl_str_mv repositorio@unicentro.br||fabianoqueiroz@yahoo.com.br
_version_ 1862378663512637440

Registros relacionados