USE OF QUANTILE REGRESSION AND RANSAC ALGORITHM IN FITTING VOLUME EQUATIONS UNDER THE INFLUENCE OF DISCREPANT DATA

Autores

  • Jadson Coelho de Abreu Universidade do Estado do Amapá/Professor Adjunto. Universidade Federal de Viçosa/Doutorando. http://orcid.org/0000-0001-9273-7533
  • Carlos Pedro Boechat Soares Universidade Federal de Viçosa/Professor Titular
  • Helio Garcia Leite Universidade Federal de Viçosa/Professor Titular
  • Daniel Henrique Breda Binoti DAP Florestal
  • Gilson Fernandes da Silva Universidade Federal do Espirito Santo/Professor Titular

DOI:

https://doi.org/10.5380/rf.v51i3.71410

Palavras-chave:

Cerradão, influential data, leverage data, estimation methods.

Resumo

The objective of this study was to evaluate three estimation methods to fit volume equations in the presence of influential or leverage data. To do so, data from the forest inventory carried out by the Centro Tecnológico de Minas Gerais Foundation were used to fit the Schumacher and Hall (1933) model in its nonlinear form for Cerradão forest, considering the quantile regression (QR), the RANSAC algorithm and the nonlinear Ordinary Least Squares (OLS) method. The correlation coefficient ( ) between the observed and estimated volumes, root-mean-square error (RMSE), as well as graphical analysis of the dispersion and distribution of the residuals were used as criteria to evaluate the performance of the methods. After the analysis, the nonlinear least squares method presented a slightly better result in terms of the goodness-of-fit statistics, however it altered the expected trend of the fitted curve due to the presence of influential data, which did not happen with the QR and the RANSAC algorithm, as these were more robust in the presence of discrepant data.

Biografia do Autor

Jadson Coelho de Abreu, Universidade do Estado do Amapá/Professor Adjunto. Universidade Federal de Viçosa/Doutorando.

Possui Graduação em Engenharia Florestal na Universidade do Estado do Amapá UEAP (2010), Mestrado em Ciências Florestais na Universidade Federal Rural de Pernambuco UFRPE (2012) e Doutorado em Ciência Florestal na Universidade Federal de Viçosa UFV (2019). Atualmente é Professor Adjunto IV na Universidade do Estado do Amapá UEAP. Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Manejo e Mensuração Florestal, atuando principalmente nos seguintes temas: Dendrometria e Inventário Florestal, modelos estatísticos (lineares e não lineares), modelos lineares mistos, regressão robusta e aprendizado de máquina (Redes Neurais Artificiais e Máquina de Vetor de Suporte).

Carlos Pedro Boechat Soares, Universidade Federal de Viçosa/Professor Titular

Possui graduação em Engenharia Florestal na UFV; Mestrado e doutorado em Ciência Florestal na UFV; Pós-doutorado na Universidade da Florida. Atualmente é Professor Titular da Universidade Federal de Viçosa. É revisor de revistas científicas. Atua como professor do curso de graduação em Engenharia Florestal da UFV. Orienta estudantes de mestrado e doutorado na pós-graduação em Ciência Florestal (UFV). Desenvolve trabalhos na área de Mensuração e Manejo Florestal, Dendrometria e Inventário Florestal. É pesquisador/bolsista do CNPq (nível 1D).

Helio Garcia Leite, Universidade Federal de Viçosa/Professor Titular

Possui graduação em Engenharia Florestal pela Universidade Federal de Viçosa (1986), mestrado em Ciências Florestal (1989) e doutorado em Ciências Florestal (1993) pela Universidade Federal de Viçosa. É professor da UFV desde 1992 onde atualmente é Professor Titular . É Bolsista Nível 1A no CNPq. Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Manejo Florestal, atuando principalmente nos seguintes temas: métodos estatísticos, inventário, mensuração e manejo de florestas equiâneas, modelagem e manejo de florestas submetidas a desbastes, programação matemática, modelos estocásticos, sistemas de suporte a decisão, redes neurais artificiais, máquinas de vetores suporte, automatos celulares, metaheurísticas e ferramentas KDD.

Daniel Henrique Breda Binoti, DAP Florestal

Possui graduação em Engenharia Florestal pela Universidade Federal de Viçosa (2009), graduação em Sistemas de Informação pela Universidade Estácio de Sá (2017), mestrado em Ciência Florestal pela Universidade Federal de Viçosa (2010) e doutorado em Ciência Florestal pela Universidade Federal de Viçosa (2012). Atualmente é sócio - DAP Engenharia Florestal, consultor do Instituto de Inovação em Engenharia e Meio Ambiente e professor do Centro Universitário São Camilo. Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Manejo Florestal, atuando principalmente nos seguintes temas: eucalipto, recursos florestais, manejo florestal, função weibull e distribuição diamêtrica.

Gilson Fernandes da Silva, Universidade Federal do Espirito Santo/Professor Titular

Possui graduação em Engenharia Florestal pela Universidade Federal de Viçosa (1992), mestrado em Ciências Florestais pela Universidade Federal de Viçosa (1995), doutorado em Ciências Florestais pela Universidade Federal de Viçosa (2001), pós-doutorado pela Universidade de Brasília-UnB (2002) e pós-doutorado pela Universidade da Flórida, Estados Unidos (2013). Bolsista de produtividade em pesquisa do CNPq, atualmente é professor Titular do Departamento de Ciências Florestais e da Madeira da Universidade Federal do Espírito Santo. Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Ordenamento Florestal, atuando principalmente nos seguintes temas: Mensuraçao Florestal, Manejo Florestal e Otimização.

Downloads

Publicado

22-06-2021

Como Citar

de Abreu, J. C., Soares, C. P. B., Leite, H. G., Binoti, D. H. B., & da Silva, G. F. (2021). USE OF QUANTILE REGRESSION AND RANSAC ALGORITHM IN FITTING VOLUME EQUATIONS UNDER THE INFLUENCE OF DISCREPANT DATA. FLORESTA, 51(3), 596–603. https://doi.org/10.5380/rf.v51i3.71410

Edição

v. 51 n. 3 (2021)

Seção

Artigos

Licença

Direitos Autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude da aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.A revista, seguindo a recomendações do movimento Acesso Aberto, proporciona acesso publico a todo o seu conteudo, seguindo o principio de que tornar gratuito o acesso a pesquisas gera um maior intrcambio global de conhecimento. 

Conteúdos do periódico licenciados sob uma Licença Creative Commons 4.0 Internacional (CC BY 4.0)