
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 | Gomide, Lucas Rezende | - |
| Autor(es): dc.contributor | Gomide, Lucas Rezende | - |
| Autor(es): dc.contributor | Barbosa, Bruno Henrique Groenner | - |
| Autor(es): dc.contributor | França, Luciano Cavalcante de Jesus | - |
| Autor(es): dc.creator | Macoo, Severino José | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:14:06Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:14:06Z | - |
| Data de envio: dc.date.issued | 2023-08-07 | - |
| Data de envio: dc.date.issued | 2023-08-07 | - |
| Data de envio: dc.date.issued | 2023-08-07 | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/58239 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1136519 | - |
| Descrição: dc.description | Tropical forests play an important role in the global climate regulation and the carbon cycle. Mopane is a tropical dry forest, occurring in southern Africa, with socioeconomic importance at the local level. Mopane harvesting for charcoal production in Mozambique is a main driver for forest degradation and carbon stocks reduction. Estimating carbon stocks in this forests can help monitoring carbon emissions, in this type of forest can help to assess and monitoring CO2 emissions, in the context of climate change, including Reduction of Emissions from Deforestation and Forest Degradation (REDD+). In this study, we tested Machine Learning methods by applying evolutionary algorithms and remote sensing, forest cover data, biophysical and bioclimatic data to predtic Aboveground Carbon (AGC) in the Mopane forest, in the districts of Mabalane and Chicualacuala, Gaza province, Mozambique. The sample was composed of 114 clusters and we used satellites images from Sentinel-2, Sentinel-1, MODIS and World.Clim dataset to extract the predictor variables. A set of 139 variables of different nature has been tested to predict the AGC, using (i) the hybrid method between Genetic Algorithm-AG for variable selection and Random Forest - RF for prediction (GARF) and (ii) Genetic Programming (PG) via symbolic regression. Both methods were able to reduce the database size by 95.6%. The GARF adhered more to bioclimatic variables and optical sensors, while the PG combined variables regardless of their nature and can generate mixed and segmented models. The AGC values (in MgC.ha-1) from field survey ranged from 1.313 to 28.476, mean = 10.988. The AGC estimated by GARF ranged from 2.910 to 19.459, mean = 10.235, normalized root mean square error – nRMSE = 0.427 and mean bias error - BEM = 0.08. For PG it ranged from 1.721 to 23.503, nRMSE = 0.428 and BEM = 2.731×10-17. Both methods showed efficiency for variables selection and potential for predicting AGC in tropical dry forests. The PG algorithm is more practical than GARF, as it provides a model with a visible and easily replicable structure. | - |
| Descrição: dc.description | Instituto Superior Politécnico de Gaza (ISPG) | - |
| Descrição: dc.description | As florestas tropicais desempenham papel importante na regulação do clima global e do ciclo de carbono. Mopane é um tipo de floresta tropical seca, que ocorre na África Austral, com importância socioeconômica a nível local. A exploração do Mopane para carvão vegetal, em Moçambique, causa degradação e redução de estoques de carbono. Estudos de carbono neste tipo florestal podem auxiliar no monitoramento dos estoques de carbono, no âmbito do combate às mudanças climáticas, incluindo Redução de Emissões por Desmatamento e Degradação Florestal, mais Manejo de Florestas, Conservação e Aumento de Estoques de Carbono (REDD+). No presente estudo foram testados métodos de Machine Learning, aplicando algoritmos evolucionários e dados de sensoriamento remoto, cobertura florestal, biofísicas e bioclimáticas para predizer estoques de Carbono Acima do Solo (AGC) na floresta de Mopane, nos distritos de Mabalane e Chicualacuala, província de Gaza, Moçambique. A amostra de campo foi composta por 114 clusters e foram usadas imagens de Sentinel-2, Sentinel-1, MODIS e de World.Clim para extração das variáveis. Foram testadas 139 variáveis de diferente natureza para predizer o AGC, usando (i) método hibrido entre Algoritmo Genético-AG para seleção de variáveis e Random Forest - RF para predição (GARF) e (ii) Programação Genética (PG) via regressão simbólica. Ambos métodos reduziram o tamanho da base de dados em 95.6%. O GARF aderiu-se mais a variáveis bioclimáticas e de sensores ópticos, enquanto a PG combinou variáveis independentemente de sua natureza e pode gerar modelos mistos e segmentados. Os valores de AGC (em MgC.ha-1) medidos no campo variaram de 1.313 a 28.476, média = 10.988. O AGC estimado por GARF variou de 2.910 a 19.459, média = 10.235, raiz do erro quadrado médio normalizado – nRMSE = 0.427 e erro médio de viés - BEM = 0.08. Para PG variou de 1.721 a 23.503, nRMSE = 0.428 e BEM = 2.731×10-17. Ambos métodos mostraram eficiência na seleção de variáveis e potencial para predição de AGC em florestas tropicais secas. A PG é mais prática em relação ao GARF, por fornecer um modelo com estrutura visível e facilmente replicável. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-graduação em Engenharia Florestal | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Ciências Florestais | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Mopane (Floresta) | - |
| Palavras-chave: dc.subject | Carbono acima do solo | - |
| Palavras-chave: dc.subject | Algoritmos evolucionários | - |
| Palavras-chave: dc.subject | Algoritmo genético | - |
| Palavras-chave: dc.subject | Floresta aleatória | - |
| Palavras-chave: dc.subject | Programação genética | - |
| Palavras-chave: dc.subject | Mopane woodland | - |
| Palavras-chave: dc.subject | Aboveground carbon | - |
| Palavras-chave: dc.subject | Evolutionary algorithms | - |
| Palavras-chave: dc.subject | Genetic algorithm and random forest (GARF) | - |
| Palavras-chave: dc.subject | Genetic programming | - |
| Palavras-chave: dc.subject | Manejo Florestal | - |
| Título: dc.title | Algoritmos evolucionários na predição de estoque de carbono acima do solo em florestas de Mopane - Moçambique | - |
| Título: dc.title | Evolutionary algorithms for predicting aboveground carbon stock in Mopane woodlands - Mozambique | - |
| Tipo de arquivo: dc.type | dissertação | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: