References
- Azevedo LPdA, da Costa RB, Martinez DT, Tsukamoto Filho AaA, Brondani GE, Baretta MC, Ajala WV. 2015. Seleção genética em progênies de Eucalyptus camaldulensis em área de cerrado matogrossense [Genetic selection in Eucalyptus camaldulensis progenies in savanna area of Mato Grosso State, Brazil]. Ciência Rural 45: 2001–2006. doi: https://doi.org/10.1590/0103-8478cr20131557
- Binoti DHB, Binoti MLMdS, Leite HG, Silva A, Santos ACdA. 2012. Modelagem da distribuição diamétrica em povoamentos de eucalipto submetidos a desbaste utilizando autômatos celulares [Modeling the diameter distribution of thinned eucalyptus stands using a cellular automata]. Revista Árvore 36: 931–940. doi: https://doi.org/10.1590/S0100-67622012000500015
- Binoti DHB, Binoti MLdS, Leite HG, Silva A. 2013. Redução dos custos em inventário de povoamentos equiâneos [Reduction of costs in inventory of equine stands]. Revista Brasileira de Ciências Agrárias 8: 125–129.
- Binoti MLMdS, Binoti DHB, Leite HG, da Silva AAL, Pontes C. 2014. Utilização de redes neurais artificiais para a projeção da distribuição diamétrica de povoamento equiâneos. Revista Árvore 38: 747–754. doi: https://doi.org/10.1590/S0100-67622014000400018
- Bhering LL, Cruz CD, Peixoto LdA, Rosado AM, Laviola BG, Nascimento M. 2015. Application of neural networks to predict volume in eucalyptus. Crop Breeding and Applied Biotechnology 15: 125–131. doi: https://doi.org/10.1590/1984-70332015v15n3a23
- Campos BPF, da Silva GF, Binoti DHB, de Mendonça AR, Leite HG. 2017. Descrição do perfil do tronco de árvores em plantios de diferentes espécies por meio de redes neurais artificiais. Pesquisa Florestal Brasileira 37: 99–107. doi: https://doi.org/10.4336/2017.pfb.37.90.1181
- Cruz CD. 2013. Genes: a software package for analysis in experimental statistics and quantitative genetics. Acta Scientiarum. Agronomy 353: 271–276.
- da Silva MLM, Binoti DHB, Gleriani JM, Leite HG. 2009. Ajuste do modelo de Schumacher e Hall e aplicação de redes neurais artificiais para estimar volume de árvores de eucalipto [Adjustment of the Schumacher and Hall model and application of articifial neural networks to estimate volume of eucalypt trees]. Revista Árvore 33: 1133–1139. doi: https://doi.org/10.1590/S0100-67622009000600015
- da Silva LF, Ferreira GL, dos Santos ACA, Leite HG, da Silva ML. 2016. Equações hipsométricas, volumétricas e de crescimento para Khaya ivorensis plantada em Pirapora [Hipsometric, volumetric and growth equations for Khaya ivorensis, planted in Pirapora]. Floresta e Ambiente 23: 362–368. doi: https://doi.org/10.1590/2179-8087.130715
- da Silva Jr EM, Maia RD, Cabacinha CD. 2018. Bee-inspired RBF network for volume estimation of individual trees. Computers and Electronics in Agriculture 152: 401–408. doi: https://doi.org/10.1016/j.compag.2018.07.036
- David HC, Miranda ROV, Welker J, Fiorentin LD, Ebling ÂA, da Silva PHBM. 2016. Strategies for stem measurement sampling: a statistical approach of modelling individual tree volume. Cerne 22: 249–260. doi: https://doi.org/10.1590/01047760201622032155
- de Azevedo GB, Tomiazzi HV, Azevedo GTdOS, Teodoro LPR, Teodoro PE, de Souza MTP, et al. 2020. Multi-volume modeling of Eucalyptus trees using regression and artificial neural networks. PLoS One 15: e0238703. doi: https://doi.org/10.1371/journal.pone.0238703
- Dtissibe FY, Ari AAA, Titouna C, Thiare O, Gueroui AM. 2020. Flood forecasting based on an artificial neural network scheme. Natural Hazards 104: 1211–1237. doi: https://doi.org/10.1007/s11069-020-04211-5
- Gorgens EB, Leite HG, Gleriani JM, Soares CPB, Ceolin A. 2014. Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais. Revista Árvore 38: 289–295. doi: https://doi.org/10.1590/S0100-67622014000200009
- IBÁ (Indústria Brasileira de Árvores). 2020. Relatório anual 2020. São Paulo, Brazil: Indústria Brasileira de Árvores. Available at: https://iba.org/publicacoes.
- Kamilaris A, Prenafeta-boldú FX. 2018. Deep-learning in agriculture: a survey. Computers and Electronics in Agriculture 147: 70–90. doi: https://doi.org/10.1016/j.compag.2018.02.016
- Lanssanova LR, Alba da Silva F, Tagliapietra Schons C, da Silva Pererira AC. 2018. Comparação entre diferentes métodos para estimativa volumétrica de espécies comerciais da Amazônia [Comparison of different methods for estimating volme of Brazilian Amazony tree species]. BIOFIX Scientific Journal 3: 109–115. doi: https://doi.org/10.5380/biofix.v3i1.57489
- Leal AJF, Miguel EP, Baio FHR, Neves DDC, Leal UAS. 2015. Redes neurais artificiais na predição da produtividade de milho e definição de sítios de manejo diferenciado por meio de atributos do solo. Bragantia 74: 436–444. doi: https://doi.org/10.1590/1678-4499.0140
- Makouanzi G, Chaix G, Nourissier S, Vigneron P. 2018. Genetic variability of growth and wood chemical properties in a clonal population of Eucalyptus urophylla × Eucalyptus grandis in the Congo. Southern Forests: a Journal of Forest Science 80: 151–158. doi: https://doi.org/10.2989/20702620.2017.1298015
- Miguel EP, Mota FCM, Téo SJ, Nascimento RGM, Leal FA, Pereira RS, Rezende AV. 2016. Artificial intelligence tools in predicting the volume of trees within a forest stand. African Journal of Agricultural Research 11: 1914–1923. doi: https://doi.org/10.5897/AJAR2016.11015
- Miranda DLC, Azevedo FF, Santos JP. 2013. Determinação do volume de toras da espécie Mezilaurus itaúba Meissn. Taub. Scientia Plena 98: 1–7.
- Morais E, Zanatto ACS, Freitas MLM, Moraes MLT, Sebbenn AM. 2010. Variação genética, interação genótipo solo e ganhos na seleção em teste de progěnies de Corymbia citriodora Hook em Luiz Antonio, São Paulo. Scientia Forestalis 3885: 11–18.
- Müller MD, Salles TT, Paciullo DSC, Brighenti AM, Castro CRT. 2014. Equações de altura, volume e afilamento para eucalipto e acácia estabelecidos em sistema silvipastoril. Floresta 44: 473–484. doi: https://doi.org/10.5380/rf.v44i3.33149
- Nazareno LSQ, Ribeiro A, Sousa MVC, Vieira CW, Ferraz Filho AC. 2021. Wood volume estimation strategies for trees from a Dry Forest/Savannah transition area in Piauí, Brazil. Southern Forests: a Journal of Forest Science 83: 111–119. doi: https://doi.org/10.2989/20702620.2020.1862634
- Paludzyszyn Filho E, Santos PET. 2013. Escolha de cultivares de eucaliptos em função do ambiente e do uso. Colombo, Brazil: Embrapa Florestas.
- Peel MC, Finlayson BL, McMahon TA. 2007. Updated world map of the Köppen–Geiger climate classification. Hydrology and Earth System Sciences 11: 1633–1644. doi: https://doi.org/10.5194/hess-11-1633-2007
- Poersch NL, Filho LRTF, Miguel EP, Cruz GHM, Francisquette KL, Cavalheiro SB. 2017. Influence of climate variables in the initial growth of Corymbia citriodora and different species of eucalyptus. Bioscience Journal 336: 1452–1464. doi: https://doi.org/10.14393/BJ-v33n6a2017-36735
- R Development Core Team. 2015. R: a language and environment for statistical computing. Vienna, Austria: R Foundation for Statical Computing.
- Santos IG, Cruz CD, Nascimento M, Ferreira RP. 2019. Selection index as a priori information for using artificial neural networks to classify alfalfa genotypes. Genetics and Molecular Research 18: 18221.
- Schumacher FX, Hall FS. 1933. Logarithmic expression of timber-tree volume. Journal of Agricultural Research 479: 719–734.
- Shanthi K, Bachpai VKW, Anisha S, Ganesan M, Anithaa RG, Subashini V et al. 2015. Micropropagation of Eucalyptus camaldulensis for the production of rejuvenated stock plants for microcuttings propagation and genetic fidelity assessment. New Forests 46: 357–371. doi: https://doi.org/10.1007/s11056-014-9465-1
- Silva GN, Tomaz RS, Sant’Anna IdC, Nascimento M, Bhering LL, Cruz CD. 2014. Neural networks for predicting breeding values and genetic gains. Scientia Agrícola 71: 494–498. doi: https://doi.org/10.1590/0103-9016-2014-0057
- SNIF (Sistema de Nacional de Informações Florestais). 2018. Cadeia produtiva. Available at https://www.florestal.gov.br/snif/producao-florestal/cadeia-produtiva [accessed 9 February 2019].
- Soares FAAMN, Flôres EL, Cabacinha CD, Carrijo GA, Veiga ACP. 2011. Recursive diameter prediction and volume calculation of eucalyptus trees using Multilayer Perceptron Networks. Computers and Electronics in Agriculture 78: 19–27. doi: https://doi.org/10.1016/j.compag.2011.05.008
- StatSoft. 2007. STATISTICA Data Analysis Software System, Version 7. Tulsa, Oklahoma: StatSoft, Inc.