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 | Engineering Department | - |
Autor(es): dc.contributor | Inovisão | - |
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.contributor | Jacareí | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Magalhaes Albuquerque, Alexandre | - |
Autor(es): dc.creator | Debiasi, Paula | - |
Autor(es): dc.creator | Lourenco De Lima, Thierry Vinicius | - |
Autor(es): dc.creator | Hirokawa Higa, Gabriel Toshio | - |
Autor(es): dc.creator | Pistori, Hemerson | - |
Autor(es): dc.creator | Ferraco Scolforo, Henrique | - |
Autor(es): dc.creator | Ferreira Silva, Thais Cristina | - |
Autor(es): dc.creator | De Andrade Porto, Joao Vitor | - |
Autor(es): dc.creator | Stape, Jose Luiz | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:03:29Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:03:29Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/LGRS.2024.3465892 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308837 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308837 | - |
Descrição: dc.description | Forest inventory is an important activity for planning and decision-making in forest management. It is usually carried out in the field using different sampling methods and processes, which are usually limited by its high costs and by the scarcity of manpower. In this work, we evaluate deep learning methods in qualitative forest inventory of Eucalyptus plantations using unmanned aerial vehicles (UAVs), multispectral sensors, and deep learning. For evaluation, we present a dataset collected in two study areas located in different municipalities in the State of Mato Grosso do Sul, including field measurements collected by occasion of the qualitative forest inventory at four months (QFI 4m) and aerophotogrammetric coverage of 36 plots represented by 124 sampling units. State-of-the-art neural networks were then used to predict four variables, collected through traditional QFI 4m and approximated by two models: PB50 and PC50, which are adaptations of the PV50 index, and the total and average biomass in the sampling unit. The results show that the transformer-based architecture multiaxis vision transformer (MaxViT) presented the lowest errors in predicting all the variables. For example, for the PB50 variable, it achieved a root mean square error (RMSE) of 7.5 (±1.85) and a mean absolute percentage error (MAPE) of 0.33 (±0.23). | - |
Descrição: dc.description | Federal Rural University of Rio de Janeiro (UFRRJ) Seropédica Engineering Department | - |
Descrição: dc.description | Dom Bosco Catholic University (UCDB) Inovisão, Mato Grosso do Sul | - |
Descrição: dc.description | Federal University of Mato Grosso do Sul (UFMS), Mato Grosso do Sul | - |
Descrição: dc.description | Suzano SA Company Jacareí | - |
Descrição: dc.description | São Paulo State University Forest Science Department | - |
Descrição: dc.description | São Paulo State University Forest Science Department | - |
Idioma: dc.language | en | - |
Relação: dc.relation | IEEE Geoscience and Remote Sensing Letters | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Artificial intelligence (AI) | - |
Palavras-chave: dc.subject | Eucalyptus | - |
Palavras-chave: dc.subject | photogrammetry | - |
Palavras-chave: dc.subject | unmanned aerial vehicles (UAVs) | - |
Palavras-chave: dc.subject | vegetation indices | - |
Título: dc.title | Qualitative Forest Inventory in Eucalyptus Plantations Using Unmanned Aerial Vehicles, Multispectral Sensors, and Deep Learning | - |
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: