dc.creator | Silva,Marcos Vinicius Cardoso | |
dc.creator | Ramos,Yasmim de Andrade | |
dc.creator | Limeira,Mathaus Messias Coimbra | |
dc.creator | Coelho,Maria Cristina Bueno | |
dc.creator | Santos,André Ferreira dos | |
dc.creator | Giongo,Marcos | |
dc.creator | Erpen,Mauro Luiz | |
dc.date | 2020-06-01 | |
dc.date.accessioned | 2023-09-25T14:21:12Z | |
dc.date.available | 2023-09-25T14:21:12Z | |
dc.identifier | http://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S2215-25042020000100002 | |
dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8818162 | |
dc.description | RESUMO O objetivo do presente estudo foi comparar as estimativas do volume obtidas por equações de regressão com redes neurais artificiais (RNA) para áreas nativas sob plano de manejo na região de Portel, estado do Pará, a partir dos dados de cubagem rigorosa de 864 árvores com DAP ≥ 45 cm de Unidades de Produção Anual (UPA) manejada em 2015 em área de floresta ombrófila densa de terra firme. O processamento dos dados visou selecionar o melhor modelo de regressão considerando a UPA 1. A equação com melhor desempenho foi escolhida de acordo com a raiz do erro quadrado médio em porcentagem (RQME%), correlação de Pearson e gráfico de resíduos percentuais. Para a seleção da melhor rede e a sua respectiva comparação com a melhor equação de regressão ajustada, as estatísticas utilizadas foram: RQME%, correlação de Pearson entre o volume observado e estimado e bias. O modelo com melhor desempenho foi o Spurr sendo posteriormente comparada com a melhor RNA obtida a partir do treinamento dos dados. Verificou-se que ambos os métodos apresentaram estatísticas de ajuste e precisão aceitáveis, com potencial utilização para estimar o volume da espécie. No entanto, a RNA mostrou-se superior evidenciando maior precisão em relação à regressão na estimativa de volume. | |
dc.format | text/html | |
dc.language | es | |
dc.publisher | Instituto Tecnológico de Costa Rica | |
dc.relation | 10.18845/v17i40.4901 | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.source | Revista Forestal Mesoamericana Kurú v.17 n.40 2020 | |
dc.subject | Inteligência artificial | |
dc.subject | cubagem rigorosa | |
dc.subject | árvores individuais | |
dc.subject | manejo florestal. | |
dc.title | Uso de redes neurais artificiais e modelos de regressão para estimar volume de espécies nativas em portel, pará - Brasil | |
dc.type | info:eu-repo/semantics/article | |