Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/32173
metadata.teses.dc.title: Predicting Eucalyptus stand attributes in Minas Gerais State, Brazil: an approach using machine learning algorithms with multisource datasets
metadata.teses.dc.title.alternative: Predição de atributos dendrométricos em talhões de Eucalyptus no Estado de Minas Gerais, Brasil: uma abordagem utilizando algoritmos de aprendizagem de máquina com dados de múltiplas fontes
metadata.teses.dc.creator: Reis, Aliny Aparecida dos
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/5364437916631071
metadata.teses.dc.contributor.advisor1: Mello, José Márcio de
metadata.teses.dc.contributor.advisor-co1: Acerbi Júnior, Fausto Weimar
metadata.teses.dc.contributor.advisor-co2: Ferraz Filho, Antonio Carlos
metadata.teses.dc.contributor.referee1: Acerbi Júnior, Fausto Weimar
metadata.teses.dc.contributor.referee2: Gomide, Lucas Rezende
metadata.teses.dc.contributor.referee3: Silva, Sérgio Henrique Godinho
metadata.teses.dc.contributor.referee4: Ferraz Filho, Antonio Carlos
metadata.teses.dc.subject: Forest management
Remote sensing
Random forest
Terrain attributes
Manejo florestal
Sensoriamento remoto
Floresta aleatória
Atributos de terreno
metadata.teses.dc.date.issued: 17-Dec-2018
metadata.teses.dc.description.sponsorship: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
metadata.teses.dc.identifier.citation: REIS, A. A. dos. Predicting eucalyptus stand attributes in Minas Gerais State, Brazil: an approach using machine learning algorithms with multisource datasets. 2018. 188 p. Tese (Doutorado em Engenharia Florestal)–Universidade Federal de Lavras, Lavras, 2018.
metadata.teses.dc.description.resumo: Informações espaciais e quantitativas sobre atributos da floresta são fundamentais ao manejo florestal, sendo importantes indicadores de processos biofísicos, da dinâmica florestal e da provisão de serviços e bens. Neste cenário, esta tese tem como objetivo principal testar a eficácia da integração de dados de campo, imagens óticas multiespectrais obtidas dos satélites Landsat 5 TM, Landsat 8 OLI e Sentinel-2A, dados de radar de abertura sintética (SAR), adquiridos pelo satélite Sentinel-1B, atributos de terreno e dados climáticos, para estimar e mapear características dendrométricas de plantios de Eucalyptus, ao Norte do estado de Minas Gerais, Brasil, utilizando métodos paramétricos e não paramétricos de predição espacial. Para tanto, esta tese foi organizada em quatro artigos. No primeiro artigo (1), os métodos Regressão Linear Múltipla (RLM), Random Forest (RF), Support Vector Machine (SVM) e Redes Neurais Artificiais (RNA) foram avaliados, para estimar e mapear área basal e volume, usando dados espectrais das imagens Landsat 5 TM. Entre os métodos de predição avaliados, o RF apresentou o melhor desempenho, para predizer e mapear área basal e volume, e, por esse motivo, foi utilizado nos artigos seguintes para a predição e mapeamento de características dendrométricas. No segundo artigo (2), diferentes combinações de dados (idade do povoamento, dados óticos multiespectrais Landsat 8 OLI, dados de radar Sentinel-1B e atributos de terreno) foram testadas para a estimativa volumétrica em um plantio de Eucalyptus. Os resultados mostraram que uma maior acurácia é obtida a partir da combinação de todos os conjuntos de dados. O terceiro artigo (3) investigou se a melhor resolução espacial das imagens multiespectrais do Sentinel-2A melhorariam as estimativas de características dendrométricas, comparada com as imagens multiespectrais Landsat-8 OLI, quando ambas as imagens foram combinadas com dados de radar Sentinel-1B e atributos de terreno. Como esperado, a melhor resolução espacial das imagens Sentinel -2A resultou em maior acurácia na previsão de características dendrométricas de plantios de Eucalyptus. No quarto artigo (4), o RF foi utilizado, para a classificação da produtividade florestal e para predizer o incremento médio anual máximo (IMAmax) de plantios de Eucalyptus, com base em atributos de terreno e dados climáticos em escala regional. Os atributos de terreno e as variáveis bioclimáticas mostraram bom potencial para classificar a produtividade florestal e para predizer o IMAmax. A grande e crescente área de plantações de eucalipto no Brasil e no mundo sugere que as novas abordagens aqui propostas, para a estimativa de atributos do povoamento e da produtividade florestal, apresentam grande potencial de suporte para o monitoramento e manejo de florestas plantadas.
metadata.teses.dc.description.abstract: Quantitative spatial information on forest attributes is critical in forest management as an important indicator of biophysical processes, forest dynamics and the provision of services and goods. In this thesis, the effectiveness of integrating field data, multispectral optical imagery obtained from Landsat 5 Thematic Mapper (TM), Landsat 8 Operational Land Imager (OLI), and Sentinel-2A satellites, synthetic aperture radar (SAR) data acquired by the Sentinel-1B satellite, digital terrain attributes derived from a digital elevation model (DEM) and climate data was tested using parametric and nonparametric methods of spatial prediction for estimating and mapping forest stand attributes in Eucalyptus plantations in northern Minas Gerais state, Brazil. For this purpose, this thesis was organized in four articles. In the first one (1), Multiple Linear Regression (MLR), Random Forest (RF), Support Vector Machine (SVM), and Artificial Neural Networks (ANN) methods were assessed to estimate and map basal area and volume using Landsat 5 TM data. RF showed the best performance for spatial prediction and mapping of stand attributes in Eucalyptus stands, and for this reason, it was used in the next three articles. In the second article (2), different combinations of stand age with variables extracted from three different digital datasets (i.e., Landsat 8 OLI multispectral optical data, Sentinel-1B SAR data, and DEM-derived terrain attributes) were tested to estimate volume. The results showed that the best data combination corresponds to the integration of all datasets (i.e., stand age and the selected variables of Landsat 8 OLI and Sentinel-1B SAR imagery, and DEM-derived terrain attributes). The third article (3) investigated the potential of Sentinel-2A multispectral information for improving forest attribute estimates compared with Landsat-8 OLI imagery when both multispectral optical imagery (i.e., Sentinel-2A and Landsat 8 OLI) were combined with Sentinel-1B SAR data and DEMderived terrain attributes. As expected, the Sentinel-2A optical data appeared to have a greater explanatory power in predicting forest attributes of Eucalyptus plantations compared to Landsat 8 OLI imagery. In the fourth article (4), a nonparametric modeling approach was used to examine relationships between terrain attributes and climate data on forest site productivity and maximum mean annual increment (MAI max ) of Eucalyptus plantations at a regional scale. Terrain attributes and bioclimatic variables showed good potential to classify site productivity and to predict MAI max in our study area. The large and increasing area of Eucalyptus forest plantations in Brazil and elsewhere suggest that the new approaches developed here to estimate forest stand attributes and productivity have great potential to support Eucalyptus plantation monitoring and forest management practices.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/32173
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: eng
Appears in Collections:DCF - Engenharia Florestal - Doutorado (Teses)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.