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 Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.contributor | Universidade Católica Dom Bosco (UCDB) | - |
Autor(es): dc.contributor | Federal University of Fronteira do Sul (UFFS) | - |
Autor(es): dc.contributor | State University of Mato Grosso (UNEMAT) | - |
Autor(es): dc.creator | Santana, Dthenifer Cordeiro | - |
Autor(es): dc.creator | Santos, Regimar Garcia dos | - |
Autor(es): dc.creator | da Silva, Pedro Henrique Neves | - |
Autor(es): dc.creator | Pistori, Hemerson | - |
Autor(es): dc.creator | Teodoro, Larissa Pereira Ribeiro | - |
Autor(es): dc.creator | Poersch, Nerison Luis | - |
Autor(es): dc.creator | de Azevedo, Gileno Brito | - |
Autor(es): dc.creator | de Oliveira Sousa Azevedo, Glauce Taís | - |
Autor(es): dc.creator | da Silva Junior, Carlos Antonio | - |
Autor(es): dc.creator | Teodoro, Paulo Eduardo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:29:53Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:29:53Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-07-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/su151410968 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307117 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307117 | - |
Descrição: dc.description | Machine learning (ML) algorithms can be used to predict wood volume in a faster and more accurate way, providing reliable answers in forest inventories. The objective of this work was to evaluate the performance of different ML techniques to predict the volume of eucalyptus wood, using diameter at breast height (DBH) and total height (Ht) as input variables, obtained by measuring DBH and Ht of 72 trees of six eucalyptus species (Eucalyptus camaldulensis, E. uroplylla, E. saligna, E. grandis, E. urograndis, and Corymbria citriodora). The trees were cut down in two different epochs, rendering 48 samples at 24 months and 24 samples at 48 months, and the volume of each tree was measured using the Smailian method. This research explores five machine learning models, namely artificial neural networks (ANN), K-nearest neighbor (KNN), multiple linear regression (LR), random forest (RF) and support vector machine (SVM), to estimate the volume of eucalyptus wood using DBH and Ht. Artificial neural networks achieved higher correlations between observed and estimated wood volume values. However, the RF outperformed all models by providing lower MAE and higher correlations between observed and estimated wood volume values. Therefore, RF is the most accurate for predicting wood volume in eucalyptus species. | - |
Descrição: dc.description | Department of Agronomy State University of São Paulo (UNESP), SP | - |
Descrição: dc.description | Faculty of Computing Federal University of Mato Grosso do Sul (UFMS), MS | - |
Descrição: dc.description | Department of Computer Engineering Universidade Católica Dom Bosco (UCDB), MS | - |
Descrição: dc.description | Campus de Chapadão do Sul Federal University of Mato Grosso do Sul (UFMS), MS | - |
Descrição: dc.description | Department of Agronomy Federal University of Fronteira do Sul (UFFS), RS | - |
Descrição: dc.description | Department of Geography State University of Mato Grosso (UNEMAT), MT | - |
Descrição: dc.description | Department of Agronomy State University of São Paulo (UNESP), SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Sustainability (Switzerland) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | forestry inventory | - |
Palavras-chave: dc.subject | shallow learner | - |
Palavras-chave: dc.subject | tree volume | - |
Título: dc.title | Machine Learning Methods for Woody Volume Prediction in Eucalyptus | - |
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: