| |
|
|
| Registros recuperados : 123 | |
| Registros recuperados : 123 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Pecuária Sul. |
|
Data corrente: |
19/11/2019 |
|
Data da última atualização: |
19/11/2019 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
B - 1 |
|
Autoria: |
CERQUEIRA, C. L.; ARCE, J. E.; VENDRUSCOLO, D. G. S.; DOLÁCIO, C. J. F.; COSTA FILHO, S. V. S. da; TONINI, H. |
|
Afiliação: |
Clebson Lima Cerqueira, UFPR; Julio Eduardo Arce, UFPR; Diogo Guido Streck Vendruscolo, Proterra Florestal; Cícero Jorge Fonseca Dolácio, UFPR; Sérgio Vinícius Serejo da Costa Filho, UFPR; HELIO TONINI, CPPSUL. |
|
Título: |
Tape modeling of Eucalyptus stem in crop-livestock-forestry integration systems. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
Floresta, v. 49, n. 3, p. 493-502, jul./set. 2019. |
|
Idioma: |
Inglês |
|
Conteúdo: |
Modelagem do afilamento do fuste de eucalipto em sistema de integração Lavoura-Pecuária-Floresta. Este trabalho teve como objetivo avaliar e comparar a modelagem de efeitos mistos e redes neurais artificiais para estimar o afilamento de eucalipto em sistemas de integração Lavoura-Pecuária-Floresta (iLPF). Os dados foram coletados em uma área experimental de iLPF, implantada pela Empresa Brasileira de Pesquisa Agropecuária ? EMBRAPA Agrossilvipastoril, localizada no município de Sinop, Estado do Mato Grosso. Para alcançar o objetivo proposto, 165 árvores com 51 meses de idade foram cubadas para a modelagem do afilamento com modelos de efeitos mistos e redes neurais artificiais. O desempenho destas técnicas foi avaliado por meio de estatísticas de precisão e análise gráfica. A modelagem de efeitos mistos e redes neurais artificiais são eficientes e recomendadas para estimativa do afilamento de eucalipto em sistema de integração Lavoura-Pecuária-Floresta; contudo, apesar de ambas técnicas avaliadas apresentarem resultados precisos para predição do afilamento das árvores amostradas, a rede neural artificial prediz valores com maior precisão que a modelagem de efeitos mistos. Palavras-chave: Biometria florestal, Inteligência artificial, Modelagem não linear mista. This paper aims to evaluate and compare the mixed effects modeling and artificial neural networks in order to estimate the taper of eucalyptus in integrated Crop-Livestock-Forestry (iCLF) systems. The data were collected in an experimental area of iCLF, implanted by the Brazilian Company of Farming Research ? EMBRAPA Agrossilvipastoril, located in the municipality of Sinop, Mato Grosso State, Brazil. To reach the proposed aim, 165 trees with 51 months of age were scaled for the taper modeling with mixed effects models and artificial neural networks. The performance of these techniques was evaluated through precision measurements and graphical analysis. Mixed effects modeling and artificial neural networks are efficient and recommended in the estimative of taper of eucalyptus in integrated Crop-Livestock-Forestry system; however, despite both evaluated techniques present accurate results in predicting the taper of the sampled trees, the artificial neural network predicts values with greater precision than the modeling of mixed effects. Keywords: Forest biometry, Artificial intelligence, Nonlinear mixed modeling. MenosModelagem do afilamento do fuste de eucalipto em sistema de integração Lavoura-Pecuária-Floresta. Este trabalho teve como objetivo avaliar e comparar a modelagem de efeitos mistos e redes neurais artificiais para estimar o afilamento de eucalipto em sistemas de integração Lavoura-Pecuária-Floresta (iLPF). Os dados foram coletados em uma área experimental de iLPF, implantada pela Empresa Brasileira de Pesquisa Agropecuária ? EMBRAPA Agrossilvipastoril, localizada no município de Sinop, Estado do Mato Grosso. Para alcançar o objetivo proposto, 165 árvores com 51 meses de idade foram cubadas para a modelagem do afilamento com modelos de efeitos mistos e redes neurais artificiais. O desempenho destas técnicas foi avaliado por meio de estatísticas de precisão e análise gráfica. A modelagem de efeitos mistos e redes neurais artificiais são eficientes e recomendadas para estimativa do afilamento de eucalipto em sistema de integração Lavoura-Pecuária-Floresta; contudo, apesar de ambas técnicas avaliadas apresentarem resultados precisos para predição do afilamento das árvores amostradas, a rede neural artificial prediz valores com maior precisão que a modelagem de efeitos mistos. Palavras-chave: Biometria florestal, Inteligência artificial, Modelagem não linear mista. This paper aims to evaluate and compare the mixed effects modeling and artificial neural networks in order to estimate the taper of eucalyptus in integrated Crop-Livestock-Forestry (iCLF) systems. The data were collecte... Mostrar Tudo |
|
Thesagro: |
Biometria; Floresta; Integração; Lavoura; Pecuária. |
|
Categoria do assunto: |
-- |
|
URL: |
https://www.alice.cnptia.embrapa.br/alice/bitstream/doc/1114617/1/FlorestaCerqueiraetal.2019.pdf
|
|
Marc: |
LEADER 03114naa a2200241 a 4500
001 2114617
005 2019-11-19
008 2019 bl uuuu u00u1 u #d
100 1 $aCERQUEIRA, C. L.
245 $aTape modeling of Eucalyptus stem in crop-livestock-forestry integration systems.$h[electronic resource]
260 $c2019
520 $aModelagem do afilamento do fuste de eucalipto em sistema de integração Lavoura-Pecuária-Floresta. Este trabalho teve como objetivo avaliar e comparar a modelagem de efeitos mistos e redes neurais artificiais para estimar o afilamento de eucalipto em sistemas de integração Lavoura-Pecuária-Floresta (iLPF). Os dados foram coletados em uma área experimental de iLPF, implantada pela Empresa Brasileira de Pesquisa Agropecuária ? EMBRAPA Agrossilvipastoril, localizada no município de Sinop, Estado do Mato Grosso. Para alcançar o objetivo proposto, 165 árvores com 51 meses de idade foram cubadas para a modelagem do afilamento com modelos de efeitos mistos e redes neurais artificiais. O desempenho destas técnicas foi avaliado por meio de estatísticas de precisão e análise gráfica. A modelagem de efeitos mistos e redes neurais artificiais são eficientes e recomendadas para estimativa do afilamento de eucalipto em sistema de integração Lavoura-Pecuária-Floresta; contudo, apesar de ambas técnicas avaliadas apresentarem resultados precisos para predição do afilamento das árvores amostradas, a rede neural artificial prediz valores com maior precisão que a modelagem de efeitos mistos. Palavras-chave: Biometria florestal, Inteligência artificial, Modelagem não linear mista. This paper aims to evaluate and compare the mixed effects modeling and artificial neural networks in order to estimate the taper of eucalyptus in integrated Crop-Livestock-Forestry (iCLF) systems. The data were collected in an experimental area of iCLF, implanted by the Brazilian Company of Farming Research ? EMBRAPA Agrossilvipastoril, located in the municipality of Sinop, Mato Grosso State, Brazil. To reach the proposed aim, 165 trees with 51 months of age were scaled for the taper modeling with mixed effects models and artificial neural networks. The performance of these techniques was evaluated through precision measurements and graphical analysis. Mixed effects modeling and artificial neural networks are efficient and recommended in the estimative of taper of eucalyptus in integrated Crop-Livestock-Forestry system; however, despite both evaluated techniques present accurate results in predicting the taper of the sampled trees, the artificial neural network predicts values with greater precision than the modeling of mixed effects. Keywords: Forest biometry, Artificial intelligence, Nonlinear mixed modeling.
650 $aBiometria
650 $aFloresta
650 $aIntegração
650 $aLavoura
650 $aPecuária
700 1 $aARCE, J. E.
700 1 $aVENDRUSCOLO, D. G. S.
700 1 $aDOLÁCIO, C. J. F.
700 1 $aCOSTA FILHO, S. V. S. da
700 1 $aTONINI, H.
773 $tFloresta$gv. 49, n. 3, p. 493-502, jul./set. 2019.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Pecuária Sul (CPPSUL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
