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 | Chinese Academy of Forestry | - |
Autor(es): dc.contributor | USDA Forest Service | - |
Autor(es): dc.contributor | University of Wisconsin | - |
Autor(es): dc.contributor | Purdue University | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Mississippi State University | - |
Autor(es): dc.creator | Liu, Shoujia | - |
Autor(es): dc.creator | He, Tuo | - |
Autor(es): dc.creator | Wang, Jiajun | - |
Autor(es): dc.creator | Chen, Jiabao | - |
Autor(es): dc.creator | Guo, Juan | - |
Autor(es): dc.creator | Jiang, Xiaomei | - |
Autor(es): dc.creator | Wiedenhoeft, Alex C. | - |
Autor(es): dc.creator | Yin, Yafang | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:53:10Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:53:10Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s00226-022-01404-y | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/240628 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/240628 | - |
Descrição: dc.description | Due to increasing global trade of timber commodities and illegal logging activities, wood species listed in the Convention on International Trade in Endangered Species of Wild Fauna and Flora (CITES) appendices are facing extinction, and their international trade has been banned or is under supervision. Reliable and applicable species-level discrimination methods have become urgent to protect global forest resources and promote the legal trade of timbers. This study aims to discriminate CITES-listed species from their look-alikes in international trade using quantitative wood anatomy (QWA) data coupled with machine learning (ML) analysis. Herein, the QWA data of 14 CITES-listed species and 15 of their look-alike species were collected from microscope slide collection, and four ML classifiers, J48, Multinomial Naïve Bayes, Random Forest, and SMO, were used to analyze the QWA data. The results indicated that ML classifiers exhibited better performance than traditional wood identification methods. Specifically, Multinomial Naïve Bayes outperformed other classifiers, and successfully discriminated CITES-listed Pterocarpus species from their look-alike species with an accuracy of 95.83%. Furthermore, the discrimination accuracy was affected by the combinations of wood anatomical features, and combinations with fewer features included could result in higher accuracy at the species level. In conclusion, the QWA data coupled with ML analysis could unlock the potential of wood anatomy to discriminate CITES species from their look-alikes for forensic applications. | - |
Descrição: dc.description | Department of Wood Anatomy and Utilization Research Institute of Wood Industry Chinese Academy of Forestry | - |
Descrição: dc.description | Wood Collections Chinese Academy of Forestry | - |
Descrição: dc.description | Center for Wood Anatomy Research Forest Products Laboratory USDA Forest Service | - |
Descrição: dc.description | Department of Botany University of Wisconsin | - |
Descrição: dc.description | Department of Forestry and National Resources Purdue University | - |
Descrição: dc.description | Ciências Biológicas (Botânica) Universidade Estadual Paulista, São Paulo | - |
Descrição: dc.description | Department of Sustainable Biomaterials Mississippi State University | - |
Descrição: dc.description | Ciências Biológicas (Botânica) Universidade Estadual Paulista, São Paulo | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Wood Science and Technology | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Can quantitative wood anatomy data coupled with machine learning analysis discriminate CITES species from their look-alikes? | - |
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: