
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 | Calegario, Natalino | - |
| Autor(es): dc.contributor | Calegario, Natalino | - |
| Autor(es): dc.contributor | Acerbi Júnior, Fausto Weimar | - |
| Autor(es): dc.contributor | Carvalho, Samuel de Pádua Chaves | - |
| Autor(es): dc.creator | Dantas, Daniel | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:22:31Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:22:31Z | - |
| Data de envio: dc.date.issued | 2019-04-22 | - |
| Data de envio: dc.date.issued | 2019-04-22 | - |
| Data de envio: dc.date.issued | 2019-04-17 | - |
| Data de envio: dc.date.issued | 2010-02-19 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/33647 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1160015 | - |
| Descrição: dc.description | Volume information in a forest stand is essential for the forest management, taking into consideration that most of the productive processes in a company are dependent on the productivity data that are obtained through forest inventories. In this context, the measurement procedures and data processing are fundamental elements and deserve attention, since they are the basis for determining the volume in an area. The forest sector is constantly searching for techniques that enable it to achieve excellence in the estimation of timber production, optimizing processes and maximizing profits. In this work was proposed and evaluated the performance of a model extracted from the training of an artificial neural network and of new models to estimate the total height of eucalyptus trees; of mixed models with adoption of structure of the variance and covariance matrix for hypsometric and volumetric estimates; and a geostatistical estimator for volume prediction per hectare, considering different sample intensities. The techniques presented satisfactory performances, resulting in the gain in accuracy in the estimates of total height, individual volume and stand volume. The results of this study allow the reduction of the sample intensity in pre-cut forest inventories, indicating the potential and applicability of these techniques in the solution of problems of measurement and forest management. | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | A informação de volume em um povoamento florestal é imprescindível para o manejo de florestas, levando em conta que grande parte dos processos produtivos em uma empresa é dependente dos dados de produtividade que são obtidos por meio dos inventários florestais. Nesse contexto, os procedimentos de mensuração e processamento dos dados são elementos fundamentais e merecem atenção, por serem a base para a determinação do volume em uma área. O setor florestal vive uma constante busca por técnicas que possibilitem atingir a excelência na estimativa da produção madeireira, otimizando os processos e maximizando os lucros. Neste trabalho foram propostos e avaliados o desempenho de um modelo extraído do treinamento de uma rede neural artificial e de novos modelos para estimar a altura total de árvores de eucalipto; de modelos mistos com adoção de estrutura na matriz de variância e covariância para estimativas hipsométricas e volumétricas; e de um estimador geoestatístico para predição do volume por hectare, considerando diferentes intensidades amostrais. As técnicas apresentaram desempenhos satisfatórios, resultando no ganho em precisão nas estimativas de altura total, volume individual e volume do povoamento. Os resultados do estudo permitem a redução da intensidade amostral em inventários florestais pré-corte, indicando o potencial e aplicabilidade destas técnicas na solução de problemas de mensuração e manejo florestal. | - |
| 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 | restrictAccess | - |
| Palavras-chave: dc.subject | Redes neurais artificiais | - |
| Palavras-chave: dc.subject | Modelos lineares | - |
| Palavras-chave: dc.subject | Modelos não-lineares | - |
| Palavras-chave: dc.subject | Modelos de efeitos mistos | - |
| Palavras-chave: dc.subject | Geoestatística | - |
| Palavras-chave: dc.subject | Artificial neural networks | - |
| Palavras-chave: dc.subject | Linear models | - |
| Palavras-chave: dc.subject | Nonlinear models | - |
| Palavras-chave: dc.subject | Mixed models | - |
| Palavras-chave: dc.subject | Geostatistics | - |
| Palavras-chave: dc.subject | Recursos Florestais e Engenharia Florestal | - |
| Título: dc.title | Estimador geoestatístico e modelos de efeito misto para modelagem hipsométrica e volumétrica de povoamentos florestais | - |
| Título: dc.title | Geostatistical estimator and mixed models for hypometric and volumetric modeling of forest stands | - |
| 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: