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 | Miguel, Eder Pereira | - |
Autor(es): dc.contributor | Vale, Ailton Teixeira do | - |
Autor(es): dc.creator | Nobre Carrijo, João Victor | - |
Data de aceite: dc.date.accessioned | 2024-10-23T16:10:50Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T16:10:50Z | - |
Data de envio: dc.date.issued | 2019-08-22 | - |
Data de envio: dc.date.issued | 2019-08-22 | - |
Data de envio: dc.date.issued | 2019-08-22 | - |
Data de envio: dc.date.issued | 2019-02-21 | - |
Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/35322 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/901780 | - |
Descrição: dc.description | Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-Graduação em Ciências Florestais, 2019. | - |
Descrição: dc.description | Os estudos sobre a capacidade produtiva florestal do Cerrado vêm ganhando atenção nos últimos anos, utilizando de inteligência artificial na estimativa de variáveis produtivas da floresta e demonstrando o poder dessa tecnologia para esse fim. Entretanto, maiores esforços de pesquisa devem ser feitos quanto a capacidade energética do mesmo, possibilitando assim a geração de informações importantes para a gestão e o manejo sustentável dessas áreas. Neste sentido, o objetivo deste trabalho foi avaliar a eficácia de redes neurais artificiais associadas à dados de satélites para a estimativa do potencial energético em áreas de cerradão. O estudo foi conduzido em parcelas instaladas em uma área de cerradão em Tocantins, Brasil, onde foi realizado inventário florestal para obtenção de dados dendrométricos e amostras de material lenhoso e casca. O poder calorífico superior do material amostrado foi determinado segundo a norma brasileira NBR 8633 e a biomassa seca a 0% de umidade foi determinada com uso de modelos matemáticos. O produto desses dois valores definiu o potencial energético de cada indivíduo amostrado, posteriormente extrapolada por unidade de área. Seis índices de vegetação foram calculados para cada parcela a partir de uma imagem RapidEye e um teste de correlação foi realizado para determinar o índice a ser utilizado na modelagem do potencial energético. A modelagem foi realizada por meio da ferramenta Intelligent Problem Solver do software Statistica 7, utilizando a área basal e o Índice de Vegetação da Diferença Normalizada (NDVI) como variáveis preditoras. A seleção da rede neural mais adequada foi feita segundo os critérios da análise gráfica, do erro médio da estimativa e do coeficiente de correlação. Por fim, a validação da rede selecionada foi realizada por meio do teste de t de Student e da diferença agregada. Em termos médios, o poder calorífico superior da madeira das espécies do cerradão foi de 19,234 ± 0,411 GJ.ton-1, enquanto para a casca foi de 19,878 ± 1,090 GJ.ton-1. Os resultados da modelagem revelaram que o potencial energético médio do cerradão é de 1.022,66 GJ.ha-1 ± 560,89 GJ.ha-1. A rede neural mais adequada apresentou erro de 11,27% e uma estrutura com dois neurônios na camada de entrada, oito na camada oculta e um na camada de saída, com funções de ativação dos tipos tangencial e sigmoidal. Os testes de validação demonstraram que não há diferença significativa entre os valores observados e os valores preditos pela rede neural. | - |
Descrição: dc.description | The studies on the productive capacity of the Cerrado have been gaining attention in recent years, using artificial intelligence to estimate productive variables of the forest and demonstrating the efficiency of this technology for this purpose. However, greater research efforts should be dedicated to the biome's energy capacity, which will contribute to generate important information for the sustainable management of those areas. This study intended to assess the application of artificial neural networks associated with remotely sensed data to estimate the energy potential of cerradão areas. This study was conducted in plots located in a cerradão area in the state of Tocantins, Brazil. A forest inventory was conducted to acquire dendrometric data and samples of woody material and bark. The higher heating value of the sampled material was determined according to the NBR 8633 standard and the dried biomass was determined using mathematical models. The energy potential of each individual sample was calculated based on the product of those two values, which was later extrapolated per unit area. Six vegetation indices were calculated for each plot from a RapidEye image and a correlation test was performed to select the best index to be used in the modeling. The energy potential modeling was performed using the Intelligent Problem Solver tool available on the Statistica 7 software, by using the basal area and the Normalized Difference Vegetation Index (NDVI) as predictor variables. The optimum neural network was selected based on the criteria of the graphical analysis, the average error of the estimate, and the correlation coefficient. Finally, the validation of the selected network was conducted by applying the Student t test and the aggregate difference. The average higher heating value for the wood of the species of cerradão was 19,234 ± 0,411 GJ.ton-1, whereas the higher heating value for the bark of those species was 19,878 ± 1,090 GJ.ton-1. This study results indicated that the mean energy potential for the study area is 1,022.66 ± 560,89 GJ.ha-1. The most adequate neural network presented an error of 11.27% and a structure with two neurons in the input layer, eight in the hidden layer and one in the output layer, with activation functions of the tangential and sigmoidal types. The validation tests demonstrated that there is no significant difference between the observed and predicted values by the neural network. | - |
Descrição: dc.description | Faculdade de Tecnologia (FT) | - |
Descrição: dc.description | Departamento de Engenharia Florestal (FT EFL) | - |
Descrição: dc.description | Programa de Pós-Graduação em Ciências Florestais | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Cerrados | - |
Palavras-chave: dc.subject | Eficiência energética | - |
Palavras-chave: dc.subject | Redes neurais artificiais | - |
Palavras-chave: dc.subject | Biomassa | - |
Título: dc.title | Inteligência artificial associada à dados de satélite na predição do potêncial energético em área de cerradão | - |
Título: dc.title | Artificial intelligence associated with satellite data in the prediction of energy potential in a cerradão area | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: