Redes neurais artificiais para a modelagem do volume de madeira e biomassa do cerradão com dados de satélite
Open Access
- 1 September 2015
- journal article
- sensoriamento remoto
- Published by FapUNIFESP (SciELO) in Pesquisa Agropecuária Brasileira
- Vol. 50 (9) , 829-839
Abstract
O objetivo deste trabalho foi avaliar a eficácia da aplicação de modelos de análise de regressão e redes neurais artificiais (RNAs) na predição do volume de madeira e da biomassa acima do solo, da vegetação arbórea em área de cerradão. Volume de madeira e biomassa foram estimados com equações alométricas desenvolvidas para a área de estudo. Os índices de vegetação, como variáveis preditoras, foram estimados a partir de imagens do sensor LISS-III, e a área basal foi determinada por medições na floresta. A precisão das equações foi verificada pela correlação entre os valores estimados e observados (r), erro-padrão da estimativa (Syx) e gráfico residual. As equações de regressão para o volume de madeira total e do fuste (0,96 e 0,97 para r, e 11,92 e 9,72% para Syx, respectivamente) e para a biomassa (0,91 e 0,92 para r, e 22,73 e 16,80% para Syx, respectivamente) apresentaram bons ajustes. As redes neurais também apresentaram bom ajuste com o volume de madeira (0,99 e 0,99 para r, e 4,93 e 4,83% para Syx) e a biomassa (0,97 e 0,98 r, e 8,92 e 7,96% para Syx, respectivamente). A área basal e os índices de vegetação foram eficazes na estimativa do volume de madeira e biomassa para o cerradão. Os valores reais de volume de madeira e biomassa não diferiram estatisticamente dos valores estimados pelos modelos de regressão e redes neurais (χ2ns); contudo, as RNAs são mais acuradas.Keywords
This publication has 26 references indexed in Scilit:
- A unified evolutionary training scheme for single and ensemble of feedforward neural networkNeurocomputing, 2014
- Estimativa do estoque de biomassa em um fragmento florestal usando imagens orbitaisFloresta e Ambiente, 2014
- Relações empíricas entre características dendrométricas da Caatinga brasileira e dados TM Landsat 5Pesquisa Agropecuária Brasileira, 2014
- Recurrent Multiplicative Neuron Model Artificial Neural Network for Non-linear Time Series ForecastingProcedia - Social and Behavioral Sciences, 2014
- Correlação de variáveis espectrais e estoque de carbono da biomassa aérea de sistemas agroflorestaisPesquisa Agropecuária Brasileira, 2012
- Estimating tropical forest biomass with a combination of SAR image texture and Landsat TM data: An assessment of predictions between regionsISPRS Journal of Photogrammetry and Remote Sensing, 2012
- Estimations of total ecosystem carbon pools distribution and carbon biomass current annual increment of a moist tropical forestForest Ecology and Management, 2011
- Estimação do volume de árvores utilizando redes neurais artificiaisRevista Árvore, 2009
- Scaling Field Data to Calibrate and Validate Moderate Spatial Resolution Remote Sensing ModelsPhotogrammetric Engineering & Remote Sensing, 2007
- Mapping the biomass of Bornean tropical rain forest from remotely sensed dataGlobal Ecology and Biogeography, 2001