Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | de Azevedo, Gileno Brito | - |
Autor(es): dc.creator | Tomiazzi, Heitor Vicensotto | - |
Autor(es): dc.creator | Sousa Azevedo, Glauce Taís de Oliveira | - |
Autor(es): dc.creator | Ribeiro Teodoro, Larissa Pereira | - |
Autor(es): dc.creator | Teodoro, Paulo Eduardo | - |
Autor(es): dc.creator | Pereira de Souza, Marcos Talvani | - |
Autor(es): dc.creator | Batista, Tays Silva | - |
Autor(es): dc.creator | de Jesus Eufrade, Humberto [UNESP] | - |
Autor(es): dc.creator | Sebastião Guerra, Saulo Philipe [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:27:14Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:27:14Z | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1371/journal.pone.0238703 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/199393 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/199393 | - |
Descrição: dc.description | The stem volume of commercial trees is an important variable that assists in decision making and economic analysis in forest management. Wood from forest plantations can be used for several purposes, which makes estimating multi-volumes for the same tree a necessary task. Defining its exploitation and use potential, such as the total and merchantable volumes (up to a minimum diameter of interest), with or without bark, is a possible work. The goal of this study was to use different strategies to model multi-volumes of the stem of eucalyptus trees. The data came from rigorous scaling of 460 felled trees stems from four eucalyptus clones in high forest and coppice regimes. The diameters were measured at different heights, with the volume of the sections obtained by the Smalian method. Data were randomly separated into fit and validation data. The single multi-volume model, volume-specific models, and the training of artificial neural networks (ANNs) were fitted. The evaluation criteria of the models were: coefficient of determination, root mean square error, mean absolute error, mean bias error, as well as graphical analysis of observed and estimated values and distribution of residuals. Additionally, the t-test (α = 0.05) was performed between the volume obtained in the rigorous scaling and estimated by each strategy with the validation data. Results showed that the strategies used to model different tree stem volumes are efficient. The actual and estimated volumes showed no differences. The multi-volume model had the most considerable advantage in volume estimation practicality, while the volume-specific models were more efficient in the accuracy of estimates. Given the conditions of this study, the ANNs are more suitable than the regression models in the estimation of multi-volumes of eucalyptus trees, revealing greater accuracy and practicality. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Universidade Federal do Rio Grande do Sul | - |
Descrição: dc.description | Federal University of Mato Grosso do Sul (UFMS) | - |
Descrição: dc.description | College of Agricultural Sciences (FCA) Sao Paulo State University (UNESP) | - |
Descrição: dc.description | College of Agricultural Sciences (FCA) Sao Paulo State University (UNESP) | - |
Idioma: dc.language | en | - |
Relação: dc.relation | PLoS ONE | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Multi-volume modeling of Eucalyptus trees using regression and artificial neural networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: