Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem

Detalhes bibliográficos
Autor(a) principal: Sarmento, Eliana Casco
Data de Publicação: 2012
Outros Autores: Giasson, Elvio, Weber, Eliseu José, Flores, Carlos Alberto, Hasenack, Heinrich
Tipo de documento: Artigo
Idioma: por
eng
Título da fonte: Pesquisa Agropecuária Brasileira (Online)
Texto Completo: https://seer.sct.embrapa.br/index.php/pab/article/view/11133
Resumo: O objetivo deste trabalho foi avaliar a densidade de amostragem na acurácia de predição de ordens de solos, com alta resolução espacial, em área vitícola da Serra Gaúcha. Para isso, utilizou-se modelo digital de elevação (MDE) do terreno, base cartográfica, mapa convencional de solos e o programa Idrisi. Sete variáveis preditoras foram calculadas e lidas junto com as classes de solo, em pontos aleatoriamente distribuídos, nas densidades de 0,5, 1, 1,5, 2 e 4 pontos por hectare. Os dados foram usados para treinar uma árvore de decisão (Gini) e três redes neurais artificiais: teoria da ressonância adaptativa, fuzzy ARTMap; mapa auto‑organizável, SOM; e perceptron de múltiplas camadas, MLP. Os mapas estimados foram comparados com o mapa de solos convencional para calcular erros de omissão e de inclusão, exatidão geral, e erros de quantidade e de alocação. A árvore de decisão foi menos sensível à densidade de amostragem e apresentou maior acurácia e consistência. O SOM foi a rede neural com menor sensibilidade e maior consistência. O MLP apresentou mínimo crítico e maior inconsistência, enquanto fuzzy ARTMap apresentou maior sensibilidade e menor acurácia. Os resultados indicam que densidades de amostragem usadas em levantamentos convencionais podem servir de referência para estimar ordens de solos na Serra Gaúcha.
id EMBRAPA-4_36ddba241c2c94d42ce7b594197bca57
oai_identifier_str oai:ojs.seer.sct.embrapa.br:article/11133
network_acronym_str EMBRAPA-4
network_name_str Pesquisa Agropecuária Brasileira (Online)
repository_id_str
spelling Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragemPrediction of soil orders with high spatial resolution: response of different classifiers to sampling densitydenominação de origem; árvore de decisão; modelo digital de elevação; sistemas de informação geográfica; rede neural; mapeamento do soloappellation of origin; decision tree; digital elevation model; geographic information systems; neural network; soil mappingO objetivo deste trabalho foi avaliar a densidade de amostragem na acurácia de predição de ordens de solos, com alta resolução espacial, em área vitícola da Serra Gaúcha. Para isso, utilizou-se modelo digital de elevação (MDE) do terreno, base cartográfica, mapa convencional de solos e o programa Idrisi. Sete variáveis preditoras foram calculadas e lidas junto com as classes de solo, em pontos aleatoriamente distribuídos, nas densidades de 0,5, 1, 1,5, 2 e 4 pontos por hectare. Os dados foram usados para treinar uma árvore de decisão (Gini) e três redes neurais artificiais: teoria da ressonância adaptativa, fuzzy ARTMap; mapa auto‑organizável, SOM; e perceptron de múltiplas camadas, MLP. Os mapas estimados foram comparados com o mapa de solos convencional para calcular erros de omissão e de inclusão, exatidão geral, e erros de quantidade e de alocação. A árvore de decisão foi menos sensível à densidade de amostragem e apresentou maior acurácia e consistência. O SOM foi a rede neural com menor sensibilidade e maior consistência. O MLP apresentou mínimo crítico e maior inconsistência, enquanto fuzzy ARTMap apresentou maior sensibilidade e menor acurácia. Os resultados indicam que densidades de amostragem usadas em levantamentos convencionais podem servir de referência para estimar ordens de solos na Serra Gaúcha.The objective of this work was to evaluate sampling density on the prediction accuracy of soil orders, with high spatial resolution, in a viticultural zone of Serra Gaúcha, Southern Brazil. A digital elevation model (DEM), a cartographic base, a conventional soil map, and the Idrisi software were used. Seven predictor variables were calculated and read along with soil classes in randomly distributed points, with sampling densities of 0.5, 1, 1.5, 2, and 4 points per hectare. Data were used to train a decision tree (Gini) and three artificial neural networks: adaptive resonance theory, fuzzy ARTMap; self‑organizing map, SOM; and multi‑layer perceptron, MLP. Estimated maps were compared with the conventional soil map to calculate omission and commission errors, overall accuracy, and quantity and allocation disagreement. The decision tree was less sensitive to sampling density and had the highest accuracy and consistence. The SOM was the less sensitive and most consistent network. The MLP had a critical minimum and showed high inconsistency, whereas fuzzy ARTMap was more sensitive and less accurate. Results indicate that sampling densities used in conventional soil surveys can serve as a reference to predict soil orders in Serra Gaúcha.Pesquisa Agropecuaria BrasileiraPesquisa Agropecuária BrasileiraFINEPFINEPSarmento, Eliana CascoGiasson, ElvioWeber, Eliseu JoséFlores, Carlos AlbertoHasenack, Heinrich2012-11-09info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/pdfhttps://seer.sct.embrapa.br/index.php/pab/article/view/11133Pesquisa Agropecuaria Brasileira; v.47, n.9, set. 2012: Número Temático Geotecnologias; 1395-1403Pesquisa Agropecuária Brasileira; v.47, n.9, set. 2012: Número Temático Geotecnologias; 1395-14031678-39210100-104xreponame:Pesquisa Agropecuária Brasileira (Online)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPAporenghttps://seer.sct.embrapa.br/index.php/pab/article/view/11133/8003https://seer.sct.embrapa.br/index.php/pab/article/view/11133/8004https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/11133/6562https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/11133/6564info:eu-repo/semantics/openAccess2012-11-13T21:40:10Zoai:ojs.seer.sct.embrapa.br:article/11133Revistahttp://seer.sct.embrapa.br/index.php/pabPRIhttps://old.scielo.br/oai/scielo-oai.phppab@sct.embrapa.br || sct.pab@embrapa.br1678-39210100-204Xopendoar:2012-11-13T21:40:10Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false
dc.title.none.fl_str_mv Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem
Prediction of soil orders with high spatial resolution: response of different classifiers to sampling density
title Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem
spellingShingle Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem
Sarmento, Eliana Casco
denominação de origem; árvore de decisão; modelo digital de elevação; sistemas de informação geográfica; rede neural; mapeamento do solo
appellation of origin; decision tree; digital elevation model; geographic information systems; neural network; soil mapping
title_short Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem
title_full Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem
title_fullStr Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem
title_full_unstemmed Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem
title_sort Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragem
author Sarmento, Eliana Casco
author_facet Sarmento, Eliana Casco
Giasson, Elvio
Weber, Eliseu José
Flores, Carlos Alberto
Hasenack, Heinrich
author_role author
author2 Giasson, Elvio
Weber, Eliseu José
Flores, Carlos Alberto
Hasenack, Heinrich
author2_role author
author
author
author
dc.contributor.none.fl_str_mv FINEP
FINEP
dc.contributor.author.fl_str_mv Sarmento, Eliana Casco
Giasson, Elvio
Weber, Eliseu José
Flores, Carlos Alberto
Hasenack, Heinrich
dc.subject.por.fl_str_mv denominação de origem; árvore de decisão; modelo digital de elevação; sistemas de informação geográfica; rede neural; mapeamento do solo
appellation of origin; decision tree; digital elevation model; geographic information systems; neural network; soil mapping
topic denominação de origem; árvore de decisão; modelo digital de elevação; sistemas de informação geográfica; rede neural; mapeamento do solo
appellation of origin; decision tree; digital elevation model; geographic information systems; neural network; soil mapping
description O objetivo deste trabalho foi avaliar a densidade de amostragem na acurácia de predição de ordens de solos, com alta resolução espacial, em área vitícola da Serra Gaúcha. Para isso, utilizou-se modelo digital de elevação (MDE) do terreno, base cartográfica, mapa convencional de solos e o programa Idrisi. Sete variáveis preditoras foram calculadas e lidas junto com as classes de solo, em pontos aleatoriamente distribuídos, nas densidades de 0,5, 1, 1,5, 2 e 4 pontos por hectare. Os dados foram usados para treinar uma árvore de decisão (Gini) e três redes neurais artificiais: teoria da ressonância adaptativa, fuzzy ARTMap; mapa auto‑organizável, SOM; e perceptron de múltiplas camadas, MLP. Os mapas estimados foram comparados com o mapa de solos convencional para calcular erros de omissão e de inclusão, exatidão geral, e erros de quantidade e de alocação. A árvore de decisão foi menos sensível à densidade de amostragem e apresentou maior acurácia e consistência. O SOM foi a rede neural com menor sensibilidade e maior consistência. O MLP apresentou mínimo crítico e maior inconsistência, enquanto fuzzy ARTMap apresentou maior sensibilidade e menor acurácia. Os resultados indicam que densidades de amostragem usadas em levantamentos convencionais podem servir de referência para estimar ordens de solos na Serra Gaúcha.
publishDate 2012
dc.date.none.fl_str_mv 2012-11-09
dc.type.none.fl_str_mv
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://seer.sct.embrapa.br/index.php/pab/article/view/11133
url https://seer.sct.embrapa.br/index.php/pab/article/view/11133
dc.language.iso.fl_str_mv por
eng
language por
eng
dc.relation.none.fl_str_mv https://seer.sct.embrapa.br/index.php/pab/article/view/11133/8003
https://seer.sct.embrapa.br/index.php/pab/article/view/11133/8004
https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/11133/6562
https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/11133/6564
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Pesquisa Agropecuaria Brasileira
Pesquisa Agropecuária Brasileira
publisher.none.fl_str_mv Pesquisa Agropecuaria Brasileira
Pesquisa Agropecuária Brasileira
dc.source.none.fl_str_mv Pesquisa Agropecuaria Brasileira; v.47, n.9, set. 2012: Número Temático Geotecnologias; 1395-1403
Pesquisa Agropecuária Brasileira; v.47, n.9, set. 2012: Número Temático Geotecnologias; 1395-1403
1678-3921
0100-104x
reponame:Pesquisa Agropecuária Brasileira (Online)
instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron:EMBRAPA
instname_str Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron_str EMBRAPA
institution EMBRAPA
reponame_str Pesquisa Agropecuária Brasileira (Online)
collection Pesquisa Agropecuária Brasileira (Online)
repository.name.fl_str_mv Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
repository.mail.fl_str_mv pab@sct.embrapa.br || sct.pab@embrapa.br
_version_ 1793416657633280000

Registros relacionados