Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/30810
Full metadata record
DC FieldValueLanguage
dc.creatorBueno, Gabriel Fernandes-
dc.date.accessioned2020-12-23T16:58:21Z-
dc.date.available2020-12-23T16:58:21Z-
dc.date.issued2020-12-11-
dc.identifier.citationBueno, Gabriel Fernandes. Redes Neurais Artificiais aplicadas na modelagem de relações dendrométricas e morfométricas de espécies arbóreas do Cerrado. 2020. 45 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Florestal) - Universidade Federal de Uberlândia, 2020.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/30810-
dc.description.abstractThe Cerrado has a high biodiversity of plants. However, few studies detail the Cerrado’s dendrometric and morphometric characteristics, which allow to understand the competition and vitality of trees and can assist the monitoring and execution of conservation practices. An alternative technique to describe these relationships is the use of Artificial Neural Networks (ANNs). Thus, the present study aimed to: i) identify and characterize the sampled trees; ii) train ANNs to predict the dendrometric and morfometric relationship; iii) evaluate the performance of ANNs using qualitative and quantitative variables iii) create an algorithm in R language to calculate the dendrometric and morphometric variables. A total of 200 open grown trees were sampled in an area of Cerrado, where trunk diameter measurements were made at different levels above the ground and the following qualitative variables were defined: branch arrangement, geometric shape of the crown, stoniness, tree position on the relief and vitality. In cases of occurrence of more than one stem, the equivalent diameter (deq) was used. In addition, the total height (h), crown base height (cbh), crown diameter (dc) were measured and the morphometric variables were calculated: crown proportion (CP%), slenderness rate (SR), range index (RI), salience index (SI) and crown formal (CF). ANNs were trained with different configurations in the input layer: using only the deq and then the deq and the geometric shape of the crown. The resilient propagation - (RP-) learning algorithm with Multilayer Perceptron (MLP) architecture was used. The sampled trees belonged to different botanical families. ANNs using only deq presented a low performance in the description of the variables: CF, SI and RI. The insertion of the categorical variable crown shape provided the ANN with greater efficiency in the predictions of all variables in training. Synaptic weights and the algorithm created in R can be used to predict the variables of the present study.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectRelações morfométricaspt_BR
dc.subjectMensuração florestalpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.titleRedes neurais artificiais aplicadas na modelagem de relações dendrométricas e morfométricas de espécies arbóreas do Cerradopt_BR
dc.title.alternativeArtificial neural networks applied in the modeling of dendrometric and morphometric relationships of Cerrado arborea speciespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Costa, Emanuel Arnoni-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3148281244996421pt_BR
dc.contributor.referee1Miranda, Rodrigo Otávio Veiga de-
dc.contributor.referee2Soares, Alvaro Augusto Vieira-
dc.creator.Latteshttp://lattes.cnpq.br/0000711073794115pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO Cerrado possui uma alta biodiversidade de plantas. Porém, poucos estudos detalham as características dendrométricas e morfométricas do Cerrado, as quais permitem conhecer a competição e vitalidade das árvores, podendo auxiliar o monitoramento e a execução de práticas conservacionistas. Uma técnica alternativa para descrever essas relações se dá pelo uso de redes neurais artificiais (RNAs). Desta forma, o presente estudo teve como objetivo: i) identificar e caracterizar as árvores amostradas; ii) treinar RNAs para predição de relações dendrométricas e morfométricas; iii) avaliar a performance das RNAs com uso de variáveis qualitativas e quantitativas; iv) criar um algoritmo em linguagem R, para calcular as variáveis dendrométricas e morfométricas. Foram amostradas 200 árvores de crescimento livre em uma área de Cerrado, onde foram realizadas medições do diâmetro do tronco a diferentes alturas a partir solo e definiram-se as seguintes variáveis qualitativas: disposição dos galhos, forma geométrica da copa, pedregosidade do local, posição do terreno e vitalidade das árvores. Em casos de bifurcação foi usado o diâmetro equivalente (deq). Além disso, foi medida a altura total (h), altura de inserção de copa (hic), o diâmetro de copa (dc) e calcularam-se as variáveis morfométricas: proporção de copa (PC%), grau de esbeltez (GE), índice de abrangência (IA), índice de saliência (IS) e formal de copa (FC). Treinaram-se RNAs com diferentes configurações na camada de entrada: utilizando apenas o deq e, posteriormente, deq e a forma de copa. Foi usado o algoritmo de aprendizado resilient propagation - (RP-) com arquitetura Multilayer Perceptron (MLP). As árvores amostradas pertenceram à diferentes famílias botânicas. As RNAs utilizando apenas o deq apresentaram uma baixa performance na descrição das variáveis: FC, IS e IA. A inserção da variável categórica forma de copa proporcionou a RNA maior eficiência nas predições de todas as variáveis no treinamento. Os pesos sinápticos e o algoritmo criado em R podem ser utilizados para a predição das variáveis do presente estudo.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia Florestalpt_BR
dc.sizeorduration45pt_BR
dc.subject.cnpqCNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL::DENDROMETRIA E INVENTARIO FLORESTALpt_BR
dc.orcid.putcode85763681-
Appears in Collections:TCC - Engenharia Florestal (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
RedesNeuraisArtificiais.pdfTCC4 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.