Return to search

AVALIAÇÃO E SELEÇÃO DE VARIÁVEIS PREDITORAS NA ESTIMATIVA DA DENSIDADE DA MADEIRA DE EUCALIPTO

Made available in DSpace on 2018-08-01T22:56:05Z (GMT). No. of bitstreams: 1
tese_11767_Dissertação ISÁIRA 2017-Final.pdf: 2017494 bytes, checksum: 0a2d580e3699d6daa314f3acde92da7a (MD5)
Previous issue date: 2018-02-28 / Este 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.

Palavras-chave: Random forest, algoritmo de Garson, Redes Neurais Artificiais, madeira, mensuração florestal.

Identiferoai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/7696
Date28 February 2018
CreatorsLOPES, I. L. E.
ContributorsVIDAURRE, G. B., SILVA, G. F., BINOTI, M. L. M. S.
PublisherUniversidade Federal do Espírito Santo, Mestrado em Ciências Florestais, Programa de Pós-Graduação em Ciências Florestais, UFES, BR
Source SetsIBICT Brazilian ETDs
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0019 seconds