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 | Institute for Technological Research | - |
Autor(es): dc.creator | Jodas, Danilo Samuel | - |
Autor(es): dc.creator | Brazolin, Sérgio | - |
Autor(es): dc.creator | Velasco, Giuliana Del Nero | - |
Autor(es): dc.creator | de Lima, Reinaldo Araújo | - |
Autor(es): dc.creator | Yojo, Takashi | - |
Autor(es): dc.creator | Papa, João Paulo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:33:15Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:33:15Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-03-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.compenvurbsys.2024.102074 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308536 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308536 | - |
Descrição: dc.description | Urban forests provide many benefits for municipalities and their residents, including air quality improvement, urban atmosphere cooling, and pluvial flooding reduction. Monitoring the trees is one of the tasks among the several urban forest assessment procedures. Trees with a risk of falling may threaten the locals and the infrastructure of the cities, thereby being an immediate concern for forestry managers. In general, a set of measures and aspects are collected from field survey analysis to estimate whether the trees represent a risk to the safety of the urban spaces. However, gathering the tree's physical measures in fieldwork campaigns is time-consuming and laborious considering the massive number of trees in the cities. Therefore, there is an urge for new computational-based methodologies, especially those related to the latest advances in artificial intelligence, to accelerate the assessment of trees in the municipality areas. In this sense, this work aims at using several machine learning-based methods in the context of tree condition inspection. Particularly, we present the prediction of the tree failure probability by using several aspects collected over time from fieldwork campaigns, with a special focus on external physical measures of the trees. Further, we provide the samples with their respective tree failure probability values as a new open dataset for further investigations on tree status monitoring. We also present a novel dataset composed of images of trees with bounding boxes delineations of the tree, trunk, and crown for automating the tree monitoring tasks. Regarding the tree failure probability estimation, we compared several regression algorithms for estimating the tree failure likelihood. Moreover, we propose a stacking generalization approach to enhance forecast accuracy and minimize prediction errors. The results showed the viability of the proposed method as an auxiliary tool in tree analysis tasks, which attained the lowest average Mean Absolute Error of 5.6901±1.1709 yielded by the stacking generalization model. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | São Paulo State University Department of Computing, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01, SP | - |
Descrição: dc.description | Institute for Technological Research, Av. Prof. Almeida Prado, 532, Cidade Universitária, Butantã, SP | - |
Descrição: dc.description | São Paulo State University Department of Computing, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01, SP | - |
Descrição: dc.description | FAPESP: #2013/07375-0 | - |
Descrição: dc.description | FAPESP: #2014/12236-1 | - |
Descrição: dc.description | FAPESP: #2019/07665-4 | - |
Descrição: dc.description | FAPESP: #2019/18287-0 | - |
Descrição: dc.description | FAPESP: 2023/14427-8 | - |
Descrição: dc.description | CNPq: 308529/2021-9 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Computers, Environment and Urban Systems | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Smart cities | - |
Palavras-chave: dc.subject | Tree failure | - |
Palavras-chave: dc.subject | Tree monitoring | - |
Palavras-chave: dc.subject | Urban forest | - |
Palavras-chave: dc.subject | Urban trees | - |
Título: dc.title | Urban tree failure probability prediction based on dendrometric aspects and machine learning models | - |
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: