Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática

En la presente investigación se propone una metodología para estimar la productividad de sitio en plantaciones forestales mediante modelos de regresión lineal y redes neuronales, utilizando herramientas geomáticas, tales como sistemas de información geográfica (SIG), sistema de posicionamiento globa...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Mena Frau,Carlos, Montecinos Guajardo,Rodrigo
Lenguaje:	Spanish / Castilian
Publicado:	Universidad Austral de Chile, Facultad de Ciencias Forestales 2006
Materias:	geomática redes neuronales productividad de sitio
Acceso en línea:	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0717-92002006000100004
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:scielo:S0717-92002006000100004
record_format	dspace
spelling	oai:scielo:S0717-920020060001000042006-10-12Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomáticaMena Frau,CarlosMontecinos Guajardo,Rodrigo geomática redes neuronales productividad de sitio En la presente investigación se propone una metodología para estimar la productividad de sitio en plantaciones forestales mediante modelos de regresión lineal y redes neuronales, utilizando herramientas geomáticas, tales como sistemas de información geográfica (SIG), sistema de posicionamiento global (GPS) y fotogrametría. El estudio se llevó a cabo en la Estación Experimental "El Picazo", ubicada en la precordillera andina de la VII Región del Maule. Las variables independientes consideradas tienen relación con la distancia a los cursos de agua (DCA), modelo digital de elevaciones (MDE), modelo digital de orientaciones (MDO) y modelo digital de pendientes (MDP); como variable dependiente se utilizó la altura de los 100 individuos más altos por hectárea (H_100). En ambas técnicas de estimación, las variables finalmente seleccionadas fueron MDP y DCA. La calidad de las estimaciones generadas (R² = 41,65%) se encontró dentro del rango establecido en investigaciones anteriores. El análisis de los resultados establece que el modelo neuronal presenta un menor error medio absoluto (EMA) y una raíz cuadrada del error cuadrático medio (RMSE) inferior respecto al modelo de regresión lineal múltiple, el cual presentó un menor sesgo medio (SM) y fue más fácil de integrar en un SIG. Por último, se destaca que la productividad de sitio basada en indicadores ambientales como los aquí considerados, permite conocer información útil para desarrollar programas de forestación en zonas despobladas.info:eu-repo/semantics/openAccessUniversidad Austral de Chile, Facultad de Ciencias ForestalesBosque (Valdivia) v.27 n.1 20062006-01-01text/htmlhttp://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0717-92002006000100004es10.4067/S0717-92002006000100004
institution	Scielo Chile
collection	Scielo Chile
language	Spanish / Castilian
topic	geomática redes neuronales productividad de sitio
spellingShingle	geomática redes neuronales productividad de sitio Mena Frau,Carlos Montecinos Guajardo,Rodrigo Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática
description	En la presente investigación se propone una metodología para estimar la productividad de sitio en plantaciones forestales mediante modelos de regresión lineal y redes neuronales, utilizando herramientas geomáticas, tales como sistemas de información geográfica (SIG), sistema de posicionamiento global (GPS) y fotogrametría. El estudio se llevó a cabo en la Estación Experimental "El Picazo", ubicada en la precordillera andina de la VII Región del Maule. Las variables independientes consideradas tienen relación con la distancia a los cursos de agua (DCA), modelo digital de elevaciones (MDE), modelo digital de orientaciones (MDO) y modelo digital de pendientes (MDP); como variable dependiente se utilizó la altura de los 100 individuos más altos por hectárea (H_100). En ambas técnicas de estimación, las variables finalmente seleccionadas fueron MDP y DCA. La calidad de las estimaciones generadas (R² = 41,65%) se encontró dentro del rango establecido en investigaciones anteriores. El análisis de los resultados establece que el modelo neuronal presenta un menor error medio absoluto (EMA) y una raíz cuadrada del error cuadrático medio (RMSE) inferior respecto al modelo de regresión lineal múltiple, el cual presentó un menor sesgo medio (SM) y fue más fácil de integrar en un SIG. Por último, se destaca que la productividad de sitio basada en indicadores ambientales como los aquí considerados, permite conocer información útil para desarrollar programas de forestación en zonas despobladas.
author	Mena Frau,Carlos Montecinos Guajardo,Rodrigo
author_facet	Mena Frau,Carlos Montecinos Guajardo,Rodrigo
author_sort	Mena Frau,Carlos
title	Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática
title_short	Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática
title_full	Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática
title_fullStr	Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática
title_full_unstemmed	Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática
title_sort	comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática
publisher	Universidad Austral de Chile, Facultad de Ciencias Forestales
publishDate	2006
url	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0717-92002006000100004
work_keys_str_mv	AT menafraucarlos comparacionderedesneuronalesyregresionlinealparaestimarproductividaddesitioenplantacionesforestalesutilizandogeomatica AT montecinosguajardorodrigo comparacionderedesneuronalesyregresionlinealparaestimarproductividaddesitioenplantacionesforestalesutilizandogeomatica
_version_	1718444147929513984

Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática

Ejemplares similares