Tese em PDF - departamento de engenharia florestal - ufpr ...
Tese em PDF - departamento de engenharia florestal - ufpr ... Tese em PDF - departamento de engenharia florestal - ufpr ...
modelos de regressão. Delwiche et al. (2004) demonstraram que a aplicação de tratamentos matemáticos nas informações espectrais contribui para o ajuste do modelo. Existem diversos métodos para selecionar variáveis espectrais. Ghasemi et al. (2003) se basearam em algoritmos genéticos para selecionar comprimentos de onda em determinações por meio de regressão dos quadrados mínimos parciais. Tratamentos matemáticos como primeira e segunda derivadas (SAVITZKY e GOLAY, 1964) foram empregados nas informações espectrais para melhorar a qualidade do sinal. Para a primeira derivada, foram adotados polinômios de segunda ordem com janela espectral de seis variáveis (seis pontos antes e seis pontos depois), e para a segunda derivada foram adotados polinômios de terceira ordem com janela espectral de 12 variáveis (12 pontos antes e 12 pontos depois). 4.4.1 Ranqueamento dos modelos NIRS As calibrações foram realizadas utilizando-se 4 rotinas: rotina 1: calibração com todas as amostras e variáveis espectrais; rotina 2: calibração sem amostras anômalas (outliers) e com todas as variáveis espectrais; rotina 3: calibração sem amostras anômalas (outliers) e com seleção de variáveis espectrais pelo teste de incerteza de Martens (WESTAD e MARTENS, 2000). Rotina 4: 1ª e 2ª derivada da informação espectral. Para a validação da equação de calibração foram adotados os métodos da validação cruzada e da validação independente para todas as rotinas. Na validação cruzada, a amostragem foi dividida em 16 segmen- tos de calibração, sendo que em cada segmento oito amostras foram selecionadas (ao acaso) para validação do modelo. Para a validação in- dependente foram utilizadas 80 amostras para calibração e 40 para validação, com seleção aleatória das amostras. A determinação dos parâmetros de calibração e validação foi baseada em análises preliminares. Os critérios adotados para selecionar o modelo de predição para cada propriedade seguiram as recomendações de Fujimoto et al. Hein, Lima, Chaix, (2008) e foram os seguintes: (a) coeficiente de determinação do modelo na validação cruzada (R²cv); (b) erro padrão da validação cruzada (SECV); (c) 79
elação de desempenho do desvio (RPD); (d) número de variáveis latentes (VL) utilizado na calibração. O SECV mede a eficiência do modelo de calibração na predição da propriedade da madeira em um lote de madeiras desconhecidas, diferentes das amostras que compõem o lote de calibração, e a equação é dada em Schimleck et al. (2001). O valor de RPD representa a relação entre o desvio padrão dos valores das propriedades medidas pelo método convencional (Desv. pad.) e o erro padrão da validação cruzada (SECV). Essa estatística fornece uma base de padronização do erro padrão da predição (WILLIAMS e SOBERING, 1993) e torna possível a comparação entre calibrações de diferentes propriedades. 80
- Page 29 and 30: ser um bom indicador do estado de e
- Page 31 and 32: epresentação gráfica para a made
- Page 33 and 34: fatores adubação e espaçamento t
- Page 35 and 36: internacionais da ISSO (Internation
- Page 37 and 38: Transformada de Fourier, resultou e
- Page 39 and 40: infravermelho próximo são denomin
- Page 41 and 42: em uma variação periódica do dip
- Page 43 and 44: varie. A mudança da freqüência d
- Page 45 and 46: Estas absorções não são muito f
- Page 47 and 48: Cynamid) e configurados somente par
- Page 49 and 50: um coeficiente de correlação de 0
- Page 51 and 52: união destas tecnologias apresenta
- Page 53 and 54: uma grande necessidade de monitoram
- Page 55 and 56: Devido ao crescente uso das técnic
- Page 57 and 58: 3.2.8 Regressão por Mínimos Quadr
- Page 59 and 60: sendo n o número de amostras. RMSE
- Page 61 and 62: segmentos que são excluídos da ca
- Page 63 and 64: Os espectros foram processados inte
- Page 65 and 66: construído a partir das variáveis
- Page 67 and 68: por NIRS (SCHIMLECK e WORKMAN, 2004
- Page 69 and 70: propriedades da madeira como Módul
- Page 71 and 72: usando estes tipos de modelos de ca
- Page 73 and 74: 4. MATERIAL E MÉTODOS Esta pesquis
- Page 75 and 76: uma tonelada a uma velocidade conti
- Page 77 and 78: exatamente este teor no momento dos
- Page 79: FIGURA 13 - COLETA DOS ESPECTROS DA
- Page 83 and 84: TABELA 3 - VALORES MÉDIOS ENCONTRA
- Page 85 and 86: Para Eucalyptus saligna aos 6 anos
- Page 87 and 88: TABELA 5 - VALORES MÉDIOS ENCONTRA
- Page 89 and 90: acentuada entre massa específica e
- Page 91 and 92: FIGURA 15 - ESPECTROS DE ABSORBÂNC
- Page 93 and 94: FIGURA 18 - ESPECTROS DIVIDIDOS EM
- Page 95 and 96: Os valores médios encontrados para
- Page 97 and 98: TABELA 7- CALIBRAÇÕES PARA ME0% (
- Page 99 and 100: obteve coeficientes de correlação
- Page 101 and 102: mensurar e normalmente são acompan
- Page 103 and 104: FIGURA 21 - VALORES DE MÓDULO DE E
- Page 105 and 106: Já para as faces transversal e rad
- Page 107 and 108: 6. CONCLUSÕES A partir dos resulta
- Page 109 and 110: ARAÚJO, M. A. Monitoramento de pro
- Page 111 and 112: CALDEIRA, A. F.; ROCHA, A. P. da; S
- Page 113 and 114: Ciencias Forestales. Departamento d
- Page 115 and 116: JESUS, R. M.; VITAL, B. R. Compara
- Page 117 and 118: MAGALHÃES, W. L. E.;; ZANGISKI, F.
- Page 119 and 120: OLIVEIRA, J. T. S.; HELLMEISTER, J.
- Page 121 and 122: RUY, O. F.; FERREIRA, M.; TOMAZELLO
- Page 123 and 124: taeda radial strips not due to auto
- Page 125 and 126: TREVISAN, R.; HASELEIN, C. R.; MELO
elação <strong>de</strong> <strong>de</strong>s<strong>em</strong>penho do <strong>de</strong>svio (RPD); (d) número <strong>de</strong> variáveis latentes (VL)<br />
utilizado na calibração.<br />
O SECV me<strong>de</strong> a eficiência do mo<strong>de</strong>lo <strong>de</strong> calibração na predição da<br />
proprieda<strong>de</strong> da ma<strong>de</strong>ira <strong>em</strong> um lote <strong>de</strong> ma<strong>de</strong>iras <strong>de</strong>sconhecidas, diferentes das<br />
amostras que compõ<strong>em</strong> o lote <strong>de</strong> calibração, e a equação é dada <strong>em</strong> Schimleck<br />
et al. (2001).<br />
O valor <strong>de</strong> RPD representa a relação entre o <strong>de</strong>svio padrão dos valores<br />
das proprieda<strong>de</strong>s medidas pelo método convencional (Desv. pad.) e o erro padrão<br />
da validação cruzada (SECV). Essa estatística fornece uma base <strong>de</strong><br />
padronização do erro padrão da predição (WILLIAMS e SOBERING, 1993) e<br />
torna possível a comparação entre calibrações <strong>de</strong> diferentes proprieda<strong>de</strong>s.<br />
80