APLICAÇÃO DE TÉCNICAS DE REGRESSÃO LINEAR E APRENDIZAGEM DE MÁQUINAS NA PREDIÇÃO DA ALTURA TOTAL DE ÁRVORES DE EUCALYPTUS SPP.
Isáira Leite e Lopes
Lopes, Isáira Leite e
Laís Almeida Araújo
Araújo, Laís Almeida
Evandro Nunes Miranda
Miranda, Evandro Nunes
Vítor de Souza Abreu
Abreu, Vítor de Souza
Vanessa de Souza Gomes
Gomes, Vanessa de Souza
Bruna Cristina Almeida
Almeida, Bruna Cristina
Anny Francielly Ataide Gonçalves
Gonçalves, Anny Francielly Ataide
Lorena Oliveira Barbosa
Barbosa, Lorena Oliveira
Lucas Rezende Gomide
Gomide, Lucas Rezende
28/01/2021
29-43
2
SILVICULTURA E MANEJO FLORESTAL: TÉCNICAS DE UTILIZAÇÃO E CONSERVAÇÃO DA NATUREZA - VOLUME 1
O objetivo deste trabalho foi avaliar o desempenho na predição da altura total de árvores de Eucalyptus spp. por meio do uso de Regressão linear múltipla via stepwise (RLMS), Redes neurais artificiais (RNA) e Random forest (RF) em um povoamento no município de Lavras – MG, Brasil. Para isto, obtiveram-se o diâmetro a 1,30 m do solo (DAP) e a altura total (HT) provenientes da cubagem não destrutiva de uma amostra de 71 árvores nas idades de dois e sete anos, em um espaçamento 3 x 2 m. A modelagem foi realizada no software R com base em três agrupamentos de dados: 1) idade de dois anos; 2) idade de sete anos; e 3) Idade de 2 e 7 anos juntas. Os critérios de avaliação dos modelos foram: correlação (r) entre as alturas estimadas e observadas, raiz do erro quadrado médio percentual (RMSE%), dispersão dos erros percentuais e histogramas dos erros percentuais. Todos os modelos apresentaram coeficientes de correlação (r) similares. Quanto ao RMSE (%), destaca-se o modelo ajustado pelo RF na idade de dois anos apresentou o menor erro no ajuste e na validação. Constatou-se também que aos sete anos de idade, a dispersão residual foi mais homogênea para o RLMS e o RF, sendo mais balanceada neste último. Para ambas as idades, o RLMS apresentou os menores erros de estimativa, seguido do RF. Assim, o RF e o RLMS destacaram-se frente à RNA, como técnicas mais eficientes para predizer a altura total de indivíduos de Eucalyptus spp.
Modelos de regressão. Random forest. Rede Neural Artificial. Biometria Florestal.
Este capítulo está licenciado com uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional.
O conteúdo do capítulo e seus dados e sua forma, correção e confiabilidade, são de responsabilidade exclusiva do(s) autor(es). É permitido o download e compartilhamento desde que pela origem e no formato Acesso Livre (Open Access), com os créditos e citação atribuídos ao(s) respectivo(s) autor(es). Não é permitido: alteração de nenhuma forma, catalogação em plataformas de acesso restrito e utilização para fins comerciais. O(s) autor(es) mantêm os direitos autorais do texto.