Modelo de clasificación en diferentes estratos forestales en un entorno de llanura aluvial utilizando redes neuronales artificiales

Contenido principal del artículo

Anthoinny Vittória dos Santos Silva
Rodrigo Galvão Teixeira de Souza
Gabriel Victor Caetano Carvalho Liarte
Bianca Caterine Piedade Pinho
Cinthia Pereira de Oliveira
Duberlí Geomar Elera Gonzáles
Robson Borges de Lima
Jadson Coelho de Abreu

Resumen

La selva amazónica presenta diferentes estratos forestales, debido a su estructura heterogénea. En el que estos estratos pueden variar en altos, medios y bajos. El conocimiento de los diferentes patrones de estructuras verticales que se encuentran en el bosque es extremadamente importante para comprender la dinámica de la vegetación, lo que influye en las estrategias de conservación del bosque. Con el fin de optimizar el proceso de clasificación de los diferentes tipos de estratos, el objetivo del presente trabajo fue utilizar redes neuronales artificiales (RNA) para clasificar estos estratos. Se utilizaron dos algoritmos de resilient propagation (Rprop+ y Rprop-), en cuatro configuraciones diferentes de variables de entrada. El entrenamiento y la prueba de los ocho modelos de RNAs se realizaron utilizando el software R. Los modelos se evaluaron mediante una matriz de confusión. En qué modelos con entradas: HT, DAP y QF; HT, DAP y solo HT del algoritmo Rprop + obtuvieron 100% de aciertos en la clasificación de estrato, presentando una alta tasa de aprendizaje, confiabilidad y generalización de datos. 

Detalles del artículo

Cómo citar
dos Santos Silva, A. V. ., Teixeira de Souza, R. G. ., Carvalho Liarte, G. V. C. ., Piedade Pinho, B. C. ., Pereira de Oliveira, C. ., Elera Gonzáles, D. G. ., Borges de Lima, R. ., & Coelho de Abreu, J. . (2022). Modelo de clasificación en diferentes estratos forestales en un entorno de llanura aluvial utilizando redes neuronales artificiales. Revista Forestal Mesoamericana Kurú, 19(45). https://doi.org/10.18845/rfmk.v19i45.6326
Sección
Artículos científicos