Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/33389
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2022_GabrielChagasSuzuki_tcc.pdf1,06 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorMiguel, Éder Pereira-
dc.contributor.authorSuzuki, Gabriel Chagas-
dc.identifier.citationSUZUKI, Gabriel Chagas. Ferramenta de inteligência artificial associado a dados do satélite Sentinel 2 na estimativa do volume de madeira em plantios de Tectona grandis Linn F. no Pará. 2022. 40 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Florestal) — Universidade de Brasília, Brasília, 2022.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, 2022.pt_BR
dc.description.abstractPlantações de Tectona grandis (teca) ocupam significamente partes do mercado florestal, e para tal, técnicas de manejo dos povoamentos tornam-se atividades primordiais na otimização da produção. Para que isso seja possível, foi proposto o desenvolvimento de um modelo de predição do volume por meio de redes neurais artificiais associado a imagens de satélites, através do satélite Sentinel – 2, em indivíduos de teca. No trabalho, procurou-se conciliar informações geradas pelos índices de vegetação, calculados com bandas do satélite Sentinel-2, e parâmetros dendrométricos, como idade, índice de sítio, número e tipo de desbaste, a fim de estimar a produção volumétrica. Quanto às redes neurais, 70% dos dados destinou-se ao ajuste da rede e o restante para validação. Após isso, as cinco melhores redes em algumas configurações foram selecionadas pela avaliação dos valores de correlação (r) dos dados observados, erro padrão residual da estimativa (Syx absoluto e relativo) e análise gráfica de resíduos. Os resultados apresentaram valores de alta correlação (r ≥ 0.90) entre os dados de observados e estimados, para as cinco melhores redes, valores moderados a baixos no erro padrão da estimativa, Syx e Syx% menores que 20%, e baixa dispersão dos resíduos. Os resultados apontam que unir atributos do povoamento como a idade e a classe de sítio, com técnicas silviculturais como o desbaste associado a índices de vegetação, derivados das imagens do satélite Sentinel-2, são eficazes na predição do volume total por unidade de área em plantios de teca.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordRedes neurais (Computação)pt_BR
dc.subject.keywordFlorestas - povoamentopt_BR
dc.subject.keywordTeca (Tectona grandis Linn)pt_BR
dc.subject.keywordManejo florestalpt_BR
dc.titleFerramenta de inteligência artificial associado a dados do satélite Sentinel 2 na estimativa do volume de madeira em plantios de Tectona grandis Linn F. no Parápt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2023-02-10T14:16:26Z-
dc.date.available2023-02-10T14:16:26Z-
dc.date.submitted2022-04-29-
dc.identifier.urihttps://bdm.unb.br/handle/10483/33389-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1Tectona grandis (teak) plantations occupy significant parts of the forestry market, and for that, stand management techniques become key activities in optimizing production. For this to be possible, it was proposed the development of a volume prediction model through artificial neural networks associated with satellite images, through the Sentinel - 2 satellite, in teak individuals. In the work, we tried to reconcile information generated by vegetation indices, calculated with bands from the Sentinel - 2 satellite, and dendrometric parameters, such as age, site index, number and type of thinning, in order to estimate volumetric production. As for the neural networks, 70% of the data was destined to the adjustment of the network and the rest for validation. After that, the five best networks in some configurations were selected by evaluating the correlation values (r) of the observed data, residual standard error of the estimate (absolute and relative Syx) and graphical analysis of residuals. The results showed high correlation values (r ≥ 0.90) between observed and estimated data, for the 5 best networks, moderate to low values in the standard error of the estimate, Syx and Syx% less than 20%, and low dispersion of residuals. The results show that joining stand attributes such as age and site class, with silvicultural techniques such as thinning associated with vegetation indices, derived from Sentinel-2 satellite images, are effective in predicting the total volume per unit area in teak plantations.pt_BR
Aparece na Coleção:Engenharia Florestal



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.