Estimating tree bole volume using artificial neural network models for four species in Turkey

Özçelık, Ramazan; Diamantopoulou, Maria J.; Brooks, John R.; Wiant, Harry V.

doi:10.1016/j.jenvman.2009.10.002

Cited by 106 publications

(52 citation statements)

References 30 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In forest management, ANNs have also been applied to estimate tree volume (Gorgens et al 2009, Silva et al 2009, Diamantopoulou & Milios 2010, Özçelik et al 2010, Yu & Jia-Yin 2012, growth modeling (Castro et al 2013), tree height (Binoti et al 2013a), and to describe diameter distribution (Leite et al 2011, Binoti et al 2013b). However, none of these applications include forest management as an input variable, at least in the estimation of transpiration.…”

Section: Introductionmentioning

confidence: 99%

Coupling daily transpiration modelling with forest management in a semiarid pine plantation

Fernandes¹,

Campo²,

García-Bartual³

et al. 2016

iForest

View full text Add to dashboard Cite

Estimating forest transpiration is of great importance for Adaptive Forest Management (AFM) in the scope of climate change prediction. AFM in the Mediterranean region usually generates a mosaic of different canopy covers within the same forest. Several models and methods are available to estimate forest transpiration, but most require a homogeneous forest cover, or an individual calibration/validation process for each cover stand. Hence, a model capable of reproducing accurately the transpiration of the whole canopy-cover mosaic is necessary. In this paper, the use of Artificial Neural Network (ANN) is proposed as a flexible tool for estimating forest transpiration using the forest cover as an input variable. To that end, sap flow, soil water content and other environmental variables were experimentally collected under five Aleppo pine stands of different canopy covers for two years. These sets of inputs were then used for the ANN training. Stand transpiration was accurately estimated using climate data, soil water content and forest cover through the ANN approach (correlation coefficient R = 0.95; Nash-Sutcliffe coefficient E = 0.90; root-meansquare error RMSE = 0.078 mm day -1 ). Finally, the input value for soil water content (when not available) was computed using the process-based model Gotilwa+. Then, this computed soil water content was used as input in the proposed ANN. This combination predicted the forest transpiration with values of R = 0.90, E = 0.63, and RMSE = 0.068 mm day -1 . Artificial Neural Network proved to be a useful and flexible tool to predict the transpiration dynamics of an Aleppo pine stand regardless of the heterogeneity of the forest cover produced by adaptive forest management.

show abstract

Section: Introductionmentioning

confidence: 99%

Coupling daily transpiration modelling with forest management in a semiarid pine plantation

Fernandes¹,

Campo²,

García-Bartual³

et al. 2016

iForest

View full text Add to dashboard Cite

show abstract

“…Este algoritmo é considerado um dos mais populares para redes de múltiplas camadas e tem fornecido excelentes resultados para diversas aplicações (Gorgens et al, 2009;Silva et al, 2009;Özçelik et al, 2010;Binoti, 2012;. Contudo, Özçelik et al (2010) destacam que redes treinadas com o algoritmo de aprendizagem Error Backpropgation são muito sensíveis aos pesos iniciais gerados aleatoriamente, o que justifica a utilização de algoritmos que não possuem este problema e podem proporcionar uma quantidade maior de RNA adequadas para solucionar um dado problema.…”

Section: Resultsunclassified

Configuração de redes neurais artificiais para estimação do afilamento do fuste de árvores de eucalipto

Martins

Binoti

Leite

et al. 2016

Agraria

View full text Add to dashboard Cite

RESUMOO objetivo deste trabalho foi definir configurações adequadas de Redes Neurais Artificiais (RNA) para modelagem do afilamento do fuste (taper) de árvores de eucalipto. Foram utilizados dados de cubagem de povoamentos de eucalipto localizados no sul da Bahia. Várias configurações de RNA foram avaliadas diferindo em relação ao número de neurônios na camada oculta, função de ativação, número de ciclos e algoritmos de aprendizagem com os seus parâmetros. As RNA foram treinadas no sistema Neuroforest, e as estimativas foram avaliadas por meio do coeficiente de correlação entre os valores observados e estimados, a raiz quadrada do erro quadrático médio (RMSE%), e análise gráfica de resíduos. Configurações simples, com apenas 04 neurônios ocultos, propiciaram resultados satisfatórios. Todas as funções de ativação testadas (tangente hiperbólica, sigmoidal, identidade, log, linear e seno) podem ser utilizadas, sendo que as funções linear e identidade são apropriadas para a camada de saída das RNA. O treinamento das RNA pode ser feito com 2000 ciclos. Os algoritmos Resilient Propagation e Quick Propagation são eficientes para aplicações de taper. Diversas configurações de RNA podem ser utilizadas para aplicações de taper. Palavras-chave: inteligência artificial, multiprodutos, neuroforest Configuration of artificial neural network for estimation of taper of trees eucalyptus ABSTRACTThe aim of this work was to define appropriate configurations of Artificial Neural Networks (ANN) to model the taper of eucalyptus trees. were used cubage data of eucalyptus plantations located in southern Bahia. Several ANN configurations were evaluated differing in the number of neurons in the hidden layer, activation function, number of cycles and learning algorithms with their parameters. ANN were trained in Neuroforest system, and estimates were evaluated using the correlation coefficient between observed and estimated values, the root mean square error (RMSE%) and graphical analysis of waste. Simple configurations, with only 04 hidden neurons, have provided satisfactory results. All activation functions tested (hyperbolic tangent, sigmoid, identity, log, linear, sine) may be used, wherein functions linear and identities are appropriate for the output layer of the ANN. The training of ANN may be done with 2000 cycles. The algorithms Resilient Propagation and Quick Propagation are efficient to applications of taper. Several ANN configurations may be used to applications of taper.

show abstract

“…Vários trabalhos demonstram os excelentes resultados alcançados através da utilização de RNA em estimativas florestais, tais como estimativas de volume (Gorgens et al, 2009;Diamantopoulou & Milios, 2010;Özçelik et al, 2010;Rodrigues et al, 2010;Binoti et al, 2014), altura total (Diamantopoulou, 2012;Binoti et al, 2013a;Binoti et al, 2013b;Özçelik et al, 2013), afilamento do fuste (Leite et al, 2010;Soares et al, 2011), prognose da produção Martins et al, 2015).…”

Section: Introductionunclassified

Configuração de redes neurais artificiais para estimação da altura total de árvores de eucalipto

Martins

Binoti

Leite

et al. 2016

Agraria

View full text Add to dashboard Cite

RESUMOO objetivo do presente trabalho foi definir configurações adequadas de Redes Neurais Artificiais (RNA) para a obtenção da altura total de árvores de eucalipto. Os dados utilizados foram provenientes de inventários florestais contínuos em povoamentos com idades entre 21 a 137 meses, localizados no sul da Bahia. As configurações de RNA testadas variaram em relação ao número de neurônios na camada oculta, função de ativação, número de ciclos e algoritmos de aprendizagem com seus parâmetros. Os testes foram realizados no sistema Neuroforest e as estimativas foram avaliadas pelo coeficiente de correlação, raiz quadrada do erro quadrático médio (RMSE%) e análise gráfica de resíduos. A estimação da altura de árvores pode ser feita por meio de diversas configurações de RNA, utilizando os algoritmos de aprendizagem Resilient Propagation, Quick Propagation e Scaled Conjugate Gradient, com o número de neurônios ocultos variando entre 03 e 08 para o algoritmo Quick Propagation e 13 e 20 para o algoritmo Scaled Conjugate Gradient. As funções de ativação tangente hiperbólica, sigmóide, log e seno são apropriadas para as camadas ocultas e de saída, e as funções linear e identidade se mostraram apropriadas apenas para a camada de saída. Dois mil ciclos são suficientes para o treinamento das RNA. Palavras-chave: inteligência artificial, neuroforest, relações hipsométricas Configuration of artificial neural networks for estimation of total height of eucalyptus trees ABSTRACTThe aim of this study was to define appropriate configurations of Artificial Neural Networks (ANN) to obtain the total height of eucalyptus trees. The data used came from continuous forest inventories in stands aged 21-137 months located in southern Bahia. The ANN configurations tested varied according to the number of neurons in the hidden layer, activation function, number of cycles and learning algorithms with their parameters. The tests were performed in Neuroforest system and the estimates were evaluated using the correlation coefficient, the root mean square error (RMSE%), and graphical analysis of residues. The estimation of the height of trees may be made by various ANN configurations using the learning algorithms Resilient Propagation, Quick Propagation and Scaled Conjugate Gradient, with number of hidden neurons varying between 03 and 08 for the Quick Propagation algorithm and 13 and 20 to Scaled Conjugate Gradient algorithm. The activation functions hyperbolic tangent, sigmoid, log and sine are suitable for the hidden and output layers, and functions linear and identity proved suitable only for the output layer. Two thousand cycles are sufficient for the training of ANN.

show abstract

Estimating tree bole volume using artificial neural network models for four species in Turkey

Cited by 106 publications

References 30 publications

Coupling daily transpiration modelling with forest management in a semiarid pine plantation

Coupling daily transpiration modelling with forest management in a semiarid pine plantation

Configuração de redes neurais artificiais para estimação do afilamento do fuste de árvores de eucalipto

Configuração de redes neurais artificiais para estimação da altura total de árvores de eucalipto

Contact Info

Product

Resources

About