| Revue: | Bosque (Valdivia) |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000451476 |
| ISSN: | 0304-8799 |
| Autores: | Dantas, Daniel1 Pinto, Luiz Otávio Rodrigues1 Terra, Marcela de Castro Nunes Santos1 Calegario, Natalino1 Oliveira, Marcio Leles Romarco de2 |
| Instituciones: | 1Universidade Federal de Lavras, Departamento de Ciencias Florestais, Lavras, Minas Gerais. Brasil 2Universidade Federal dos Vales do Jequitinhonha e Mucuri, Departamento de Engenharia Florestal, Diamantina, Minas Gerais. Brasil |
| Año: | 2020 |
| Periodo: | Dic |
| Volumen: | 41 |
| Número: | 3 |
| Paginación: | 353-364 |
| País: | Chile |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | El objetivo fue evaluar el desempeño de diferentes modelos basados en Redes Neuronales Artificiales (RNA) en la estimación de la altura total de los eucaliptos, reduciendo el número de mediciones en el campo. Se analizaron 48 RNA, diferentes entre sí por el número de árboles utilizados como muestra de entrenamiento; número de árboles utilizados para calcular la altura dominante; y el uso de (a) variables categóricas, (b) categóricas y continuas y (c) continuas, con la excepción del diámetro a 1,30 m del suelo (DAP), utilizadas en todas las combinaciones. Las estimaciones de altura obtenidas por RNA han sido comparadas con los valores observados y con las estimaciones obtenidas por un modelo hipsométrico. Las RNA que presentaron los mejores rendimientos se utilizaron para estimar la altura en los datos del inventario forestal, para el cálculo posterior del volumen de cada árbol. Los modelos propuestos demostraron ser eficientes para estimar la altura total de los eucaliptos y permitieron la reducción expresiva de la cantidad de árboles que se medirán en el inventario forestal. El mejor modelo encontrado se compone de cinco árboles como muestra de entrenamiento, uno como muestra de prueba y uno como muestra de validación; altura dominante desde la altura del árbol más alto en la parcela; variable categórica clon; y variables continuas DAP, DAP dominante y área basal de la parcela |
| Resumen en inglés | This study aimed at evaluating the performance of different models based on Artificial neural networks (ANN) to estimate the total height of eucalyptus trees (Eucalyptus spp.), reducing the number of measurements in the field. Forty-eight ANN were tested, different from each other by the number of trees used as training sample, number of trees used to calculate the dominant height and use of variables (a) categorical, (b) categorical and continuous and (c) continuous, except for the diameter at 1.30 meters above the ground (DBH), used in all combinations. Estimates of height obtained by ANN were compared with values observed and estimates obtained by a hypsometric model. The ANN that showed the best results were used for the height estimation in forest inventory data for further application in the Schumacher and Hall volumetric model. The proposed models were efficient to estimate the total height of eucalyptus trees and allowed the expressive reduction of the number of trees to be measured in forest inventory. The best model found is composed of five trees as training sample, one as test sample and one as validation sample; dominant height coming from the height of the tallest tree in the plot; categorical variable Clone and continuous variables DBH, DBH dominant and basal area of the plot |
| Disciplinas: | Agrociencias, Biología |
| Palabras clave: | Silvicultura, Ecología, Inventario forestal, Eucalipto, Redes neuronales artificiales, Altura total, Modelo de Schumacher-Hall |
| Keyword: | Silviculture, Ecology, Forest inventory, Eucalyptus, Artificial neural networks, Total height, Schumacher-Hall model |
| Texte intégral: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
