|
|
Registro Completo |
Biblioteca(s): |
Embrapa Roraima. |
Data corrente: |
18/01/2008 |
Data da última atualização: |
26/03/2019 |
Tipo da produção científica: |
Artigo em Anais de Congresso / Nota Técnica |
Autoria: |
TOURRAND, J. F.; VEIGA, J. B.; BENDAHAN, A. B.; POCCARD-CHAPUIS, R.; PIKETTY, M. G. |
Afiliação: |
Jean Francois Tourrand, Universidade de Brasília; Jonas Bastos da Veigas, CPATU; Amaury Burlamaqui Bendahan, CPAF-RR; René Poccard-Chapuis, Cirad Montpellier; Marie-Gabrielle Piketty, cirand-France; AMAURY BURLAMAQUI BENDAHAN, CPAF-RR. |
Título: |
L' Amazonie Pâturée. |
Ano de publicação: |
2006 |
Fonte/Imprenta: |
In: RENCONTRES RECHERCHES RUMINANTS, 13., Paris, 2006. |
Idioma: |
Francês |
Palavras-Chave: |
Amazonie; pâturée. |
Categoria do assunto: |
-- |
Marc: |
LEADER 00464naa a2200181 a 4500 001 1688829 005 2019-03-26 008 2006 bl --- 0-- u #d 100 1 $aTOURRAND, J. F. 245 $aL' Amazonie Pâturée. 260 $c2006 653 $aAmazonie 653 $apâturée 700 1 $aVEIGA, J. B. 700 1 $aBENDAHAN, A. B. 700 1 $aPOCCARD-CHAPUIS, R. 700 1 $aPIKETTY, M. G. 773 $tIn: RENCONTRES RECHERCHES RUMINANTS, 13., Paris, 2006.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Roraima (CPAF-RR) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Unidades Centrais. |
Data corrente: |
11/01/2023 |
Data da última atualização: |
26/01/2024 |
Autoria: |
CARVALHO, M. C.; GOMIDE, L. R.; SCOLFORO, J. R. S.; PÁSCOA, K. J. V. da; ARAÚJO, L. A.; LOPES, I. L. e. |
Afiliação: |
MÔNICA CANAAN CARVALHO, UNIVERSIDADE FEDERAL DE LAVRAS; LUCAS REZENDE GOMIDE, UNIVERSIDADE FEDERAL DE LAVRAS; JOSÉ ROBERTO SOARES SCOLFORO, UNIVERSIDADE FEDERAL DE LAVRAS; KALILL JOSÉ VIANA DA PÁSCOA, UNIVERSIDADE FEDERAL DE LAVRAS; LAÍS ALMEIDA ARAÚJO, UNIVERSIDADE FEDERAL DE LAVRAS; ISÁIRA LEITE E LOPES, EUCATEX S. A. |
Título: |
Data mining applied to feature selection methods for aboveground carbon stock modelling. |
Ano de publicação: |
2022 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, v. 57, e03015, 2022. |
DOI: |
https://doi.org/10.1590/S1678-3921.pab2022.v57.03015 |
Idioma: |
Inglês |
Notas: |
Título em português: Mineração de dados aplicada a métodos de seleção de variáveis para a modelagem de estoque de carbono acima do solo. |
Conteúdo: |
ABSTRACT - The objective of this work was to apply the random forest (RF) algorithm to the modelling of the aboveground carbon (AGC) stock of a tropical forest by testing three feature selection procedures - recursive removal and the uniobjective and multiobjective genetic algorithms (GAs). The used database covered 1,007 plots sampled in the Rio Grande watershed, in the state of Minas Gerais state, Brazil, and 114 environmental variables (climatic, edaphic, geographic, terrain, and spectral). The best feature selection strategy - RF with multiobjective GA - reaches the minor root-square error of 17.75 Mg ha-¹ with only four spectral variables - normalized difference moisture index, normalized burn ratio 2 correlation texture, treecover, and latent heat flux -, which represents a reduction of 96.5% in the size of the database. Feature selection strategies assist in obtaining a better RF performance, by improving the accuracy and reducing the volume of the data. Although the recursive removal and multiobjective GA showed a similar performance as feature selection strategies, the latter presents the smallest subset of variables, with the highest accuracy. The findings of this study highlight the importance of using near infrared, short wavelengths, and derived vegetation indices for the remote-sense-based estimation of AGC. The MODIS products show a significant relationship with the AGC stock and should be further explored by the scientific community for the modelling of this stock. RESUMO - O objetivo deste trabalho foi aplicar o algoritmo "random forest" (RF) à modelagem do estoque de carbono acima do solo (CAS) de uma floresta tropical, por meio da testagem de três procedimentos de seleção de variáveis: remoção recursiva e algoritmos genéticos (AGs) uniobjetivo e multiobjetivo. Os dados utilizados abrangeram 1.007 parcelas amostradas na bacia hidrográfica do Rio Grande, no estado de Minas Gerais, Brasil, e 114 variáveis ambientais (climáticas, edáficas, geográficas, de terreno e espectrais). A melhor estratégia de seleção de variáveis - a RF com AG multiobjetivo - chega ao menor erro quadrático de 17,75 Mg ha-¹ com apenas quatro variáveis espectrais - índice de umidade por diferença normalizada, textura de correlação do índice de queimada por razão normalizada 2, cobertura arbórea e fluxo de calor latente -, o que representa redução de 96,5% no tamanho do banco de dados. As estratégias de seleção de variáveis ajudam a obter melhor desempenho da RF, ao melhorar a acurácia e reduzir o volume dos dados. Embora a remoção recursiva e o AG multiobjetivo mostrem desempenho semelhante como estratégias de seleção de variáveis, esta último apresenta menor subconjunto de variáveis, com maior precisão. As descobertas deste trabalho destacam a importância do uso de infravermelho próximo, comprimentos de onda curtos e índices de vegetação derivados para a estimativa de CAS baseada em sensoriamento remoto. Os produtos MODIS mostram relação significativa com o estoque de CAS e precisam ser melhor explorados pela comunidade científica para a modelagem deste estoque. MenosABSTRACT - The objective of this work was to apply the random forest (RF) algorithm to the modelling of the aboveground carbon (AGC) stock of a tropical forest by testing three feature selection procedures - recursive removal and the uniobjective and multiobjective genetic algorithms (GAs). The used database covered 1,007 plots sampled in the Rio Grande watershed, in the state of Minas Gerais state, Brazil, and 114 environmental variables (climatic, edaphic, geographic, terrain, and spectral). The best feature selection strategy - RF with multiobjective GA - reaches the minor root-square error of 17.75 Mg ha-¹ with only four spectral variables - normalized difference moisture index, normalized burn ratio 2 correlation texture, treecover, and latent heat flux -, which represents a reduction of 96.5% in the size of the database. Feature selection strategies assist in obtaining a better RF performance, by improving the accuracy and reducing the volume of the data. Although the recursive removal and multiobjective GA showed a similar performance as feature selection strategies, the latter presents the smallest subset of variables, with the highest accuracy. The findings of this study highlight the importance of using near infrared, short wavelengths, and derived vegetation indices for the remote-sense-based estimation of AGC. The MODIS products show a significant relationship with the AGC stock and should be further explored by the scientific community for the modelling of this ... Mostrar Tudo |
Palavras-Chave: |
Algoritmo genético. |
Thesagro: |
Carbono; Floresta Tropical; Sensoriamento Remoto. |
Thesaurus NAL: |
Carbon; Forest management; Remote sensing; Tropical forests. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1150893/1/Data-mining-applied-feature-2022.pdf
|
Marc: |
LEADER 04201naa a2200301 a 4500 001 2150893 005 2024-01-26 008 2022 bl uuuu u00u1 u #d 024 7 $ahttps://doi.org/10.1590/S1678-3921.pab2022.v57.03015$2DOI 100 1 $aCARVALHO, M. C. 245 $aData mining applied to feature selection methods for aboveground carbon stock modelling.$h[electronic resource] 260 $c2022 500 $aTítulo em português: Mineração de dados aplicada a métodos de seleção de variáveis para a modelagem de estoque de carbono acima do solo. 520 $aABSTRACT - The objective of this work was to apply the random forest (RF) algorithm to the modelling of the aboveground carbon (AGC) stock of a tropical forest by testing three feature selection procedures - recursive removal and the uniobjective and multiobjective genetic algorithms (GAs). The used database covered 1,007 plots sampled in the Rio Grande watershed, in the state of Minas Gerais state, Brazil, and 114 environmental variables (climatic, edaphic, geographic, terrain, and spectral). The best feature selection strategy - RF with multiobjective GA - reaches the minor root-square error of 17.75 Mg ha-¹ with only four spectral variables - normalized difference moisture index, normalized burn ratio 2 correlation texture, treecover, and latent heat flux -, which represents a reduction of 96.5% in the size of the database. Feature selection strategies assist in obtaining a better RF performance, by improving the accuracy and reducing the volume of the data. Although the recursive removal and multiobjective GA showed a similar performance as feature selection strategies, the latter presents the smallest subset of variables, with the highest accuracy. The findings of this study highlight the importance of using near infrared, short wavelengths, and derived vegetation indices for the remote-sense-based estimation of AGC. The MODIS products show a significant relationship with the AGC stock and should be further explored by the scientific community for the modelling of this stock. RESUMO - O objetivo deste trabalho foi aplicar o algoritmo "random forest" (RF) à modelagem do estoque de carbono acima do solo (CAS) de uma floresta tropical, por meio da testagem de três procedimentos de seleção de variáveis: remoção recursiva e algoritmos genéticos (AGs) uniobjetivo e multiobjetivo. Os dados utilizados abrangeram 1.007 parcelas amostradas na bacia hidrográfica do Rio Grande, no estado de Minas Gerais, Brasil, e 114 variáveis ambientais (climáticas, edáficas, geográficas, de terreno e espectrais). A melhor estratégia de seleção de variáveis - a RF com AG multiobjetivo - chega ao menor erro quadrático de 17,75 Mg ha-¹ com apenas quatro variáveis espectrais - índice de umidade por diferença normalizada, textura de correlação do índice de queimada por razão normalizada 2, cobertura arbórea e fluxo de calor latente -, o que representa redução de 96,5% no tamanho do banco de dados. As estratégias de seleção de variáveis ajudam a obter melhor desempenho da RF, ao melhorar a acurácia e reduzir o volume dos dados. Embora a remoção recursiva e o AG multiobjetivo mostrem desempenho semelhante como estratégias de seleção de variáveis, esta último apresenta menor subconjunto de variáveis, com maior precisão. As descobertas deste trabalho destacam a importância do uso de infravermelho próximo, comprimentos de onda curtos e índices de vegetação derivados para a estimativa de CAS baseada em sensoriamento remoto. Os produtos MODIS mostram relação significativa com o estoque de CAS e precisam ser melhor explorados pela comunidade científica para a modelagem deste estoque. 650 $aCarbon 650 $aForest management 650 $aRemote sensing 650 $aTropical forests 650 $aCarbono 650 $aFloresta Tropical 650 $aSensoriamento Remoto 653 $aAlgoritmo genético 700 1 $aGOMIDE, L. R. 700 1 $aSCOLFORO, J. R. S. 700 1 $aPÁSCOA, K. J. V. da 700 1 $aARAÚJO, L. A. 700 1 $aLOPES, I. L. e 773 $tPesquisa Agropecuária Brasileira$gv. 57, e03015, 2022.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|