Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado

Detalhes bibliográficos
Autor(a) principal: Bittar, Roberto Dib
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital Brasileira de Teses e Dissertações da UEG
Texto Completo: http://www.bdtd.ueg.br/tede/handle/tede/211
Resumo: A agricultura, como outras atividades, está inserida na globalização. Desta forma, sofre concorrência e influência do que acontece no mundo, implicando na necessidade de melhor gerenciamento com o objetivo de minimizar custos e aumentar a produtividade. A agricultura de precisão oferece a tecnologia necessária para realizar esse gerenciamento. Possibilita aquisição de dados em uma vasta gama, processamento adequado e posterior utilização dessas informações para que impliquem em efetiva melhoria. Desta forma, raciona insumos, recursos naturais e humanos, logo, permite maior ganho final. Um dos fatores que influenciam a produção é a variabilidade espacial e temporal dos atributos do solo. Ao conhecer essa variação, é possível usar técnicas para adequar o solo às necessidades de cada cultura. A geoestatística está inserida na agricultura de precisão, possibilitando, a partir de determinado número de pontos georeferenciados amostrados, detectar e modelar essa variabilidade, resultando em conhecimento da área com o detalhamento necessário. As Redes Neurais Artificiais (RNA), ramo da inteligência artificial, buscam imitar o raciocínio humano e se mostram capazes de realizar inferência de dados. É considerada um aproximador universal, com capacidade de aprender. Uma qualidade das RNAs é estabelecer relação das características multidimensionais consideradas no problema para identificar o padrão ou classe do objeto apresentado. Desta forma, tem capacidade de ser uma razoável alternativa para realização da modelagem da variabilidade espacial. Neste trabalho aplicou-se as RNAs com objetivo de realizar a modelagem da variabilidade espacial de atributos do solo. Para tal foi realizada: coleta de dados, análise estatística descritiva, análise geoestatística, definição, treinamento de diferentes RNAs e consecutiva escolha das redes que apresentaram menor erro médio, posterior comparação entre os resultados estimados versus aferidos, cálculo do erro médio relativo finalizando com comparação das estimativas realizadas por Krigagem ordinária dos atributos que apresentaram dependência espacial. Foi possível concluir que as RNAs apresentam potencial para realizar satisfatoriamente a modelagem da variabilidade espacial de atributos físicoquímicos do solo.
id UEG-2_4bbd2052aebe422740dab9a7fdfa875b
oai_identifier_str oai:tede2:tede/211
network_acronym_str UEG-2
network_name_str Biblioteca Digital Brasileira de Teses e Dissertações da UEG
repository_id_str
spelling Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerradoInteligência ArtificialGeoestatísticaInferênciaAgricultura de precisãoGeostatisticsInferencecomputingPrecision agricultureArtificial IntelligenceCIENCIAS AGRARIAS::ENGENHARIA AGRICOLAA agricultura, como outras atividades, está inserida na globalização. Desta forma, sofre concorrência e influência do que acontece no mundo, implicando na necessidade de melhor gerenciamento com o objetivo de minimizar custos e aumentar a produtividade. A agricultura de precisão oferece a tecnologia necessária para realizar esse gerenciamento. Possibilita aquisição de dados em uma vasta gama, processamento adequado e posterior utilização dessas informações para que impliquem em efetiva melhoria. Desta forma, raciona insumos, recursos naturais e humanos, logo, permite maior ganho final. Um dos fatores que influenciam a produção é a variabilidade espacial e temporal dos atributos do solo. Ao conhecer essa variação, é possível usar técnicas para adequar o solo às necessidades de cada cultura. A geoestatística está inserida na agricultura de precisão, possibilitando, a partir de determinado número de pontos georeferenciados amostrados, detectar e modelar essa variabilidade, resultando em conhecimento da área com o detalhamento necessário. As Redes Neurais Artificiais (RNA), ramo da inteligência artificial, buscam imitar o raciocínio humano e se mostram capazes de realizar inferência de dados. É considerada um aproximador universal, com capacidade de aprender. Uma qualidade das RNAs é estabelecer relação das características multidimensionais consideradas no problema para identificar o padrão ou classe do objeto apresentado. Desta forma, tem capacidade de ser uma razoável alternativa para realização da modelagem da variabilidade espacial. Neste trabalho aplicou-se as RNAs com objetivo de realizar a modelagem da variabilidade espacial de atributos do solo. Para tal foi realizada: coleta de dados, análise estatística descritiva, análise geoestatística, definição, treinamento de diferentes RNAs e consecutiva escolha das redes que apresentaram menor erro médio, posterior comparação entre os resultados estimados versus aferidos, cálculo do erro médio relativo finalizando com comparação das estimativas realizadas por Krigagem ordinária dos atributos que apresentaram dependência espacial. Foi possível concluir que as RNAs apresentam potencial para realizar satisfatoriamente a modelagem da variabilidade espacial de atributos físicoquímicos do solo.Agriculture, like other activities is becoming global and therefore, it suffers competition and influence from what happens around the world. This behaviour is forcing the use of better management in order to minimize costs and increase productivity. The precision agriculture provides the necessary technology to achieve this level of management. Additionally, it enables the acquisition of wide range data, proper processing of this data and subsequent use of the information for effective improvement. Consequently, it optimizes material, natural and human resources and therefore allows higher productivity. One of the factors that influence the production is the spatial and temporal variability of soil properties. By knowing this variation, one can use management techniques to adjust the soil to the needs of each crop. By using the geostatistics inserted in precision agriculture, it is possible with a certain number of sample points to detect and model this variability, inferring the understanding of the area with the necessary detail. The Artificial Neural Networks (ANN), a branch of artificial intelligence, seeks to emulate human reasoning and is able to perform data inference and it is considered a universal approximator with ability to learn. One of the ANN features is the capability to establish multidimensional characteristic functions to identify presented patterns or object classes. Thus, it has the capacity of becoming a reasonable alternative to successfully implement modeling of spatial variability. Were applided the ANN for modeling the spatial variability of soil attributes and to accomplish this goal the following tasks have taken place: data collection, descriptive statistics and geostatistics analysis. The definition, training of different ANN and consequent choice of networks that had lower mean error have finished with the comparison between estimated versus measured results and the calculation of the mean relative error ending with comparing the estimates values made by ordinary Kriging of the atributes that presented spatial dependence. Consequently, it was possible to conclude that ANN has the potential to accomplish the modeling of spatial variability of physical and chemical soil properties.Fundação de Apoio à pesquisa do Estado de Goiás - FAPEGUniversidade Estadual de GoiásUEG ::Coordenação de Mestrado em Engenharia AgrícolaBrasilUEGPrograma de Pós-Graduação Stricto sensu em Engenharia AgrícolaAlves, Sueli Martins de Freitashttp://lattes.cnpq.br/4333372067658689Melo, Francisco Ramos dehttps://orcid.org/0000-0001-9490-9386http://lattes.cnpq.br/5142938603640739Devilla, Ivano AlessandroBittar, Roberto Dib2020-03-25T19:32:31Z2016-03-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfBITTAR, Roberto Dib. Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado. 2016. 126 f. Dissertação (Mestrado em Engenharia Agrícola), Câmpus Central - Sede: Anápolis - CET, Universidade Estadual de Goiás, Anápolis.http://www.bdtd.ueg.br/tede/handle/tede/211porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital Brasileira de Teses e Dissertações da UEGinstname:Universidade Estadual de Goiás (UEG)instacron:UEG2020-03-25T19:32:31Zoai:tede2:tede/211Biblioteca Digital de Teses e Dissertaçõeshttps://www.bdtd.ueg.br/PUBhttps://www.bdtd.ueg.br/oai/requestbibliotecaunucet@ueg.br||opendoar:2020-03-25T19:32:31Biblioteca Digital Brasileira de Teses e Dissertações da UEG - Universidade Estadual de Goiás (UEG)false
dc.title.none.fl_str_mv Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado
title Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado
spellingShingle Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado
Bittar, Roberto Dib
Inteligência Artificial
Geoestatística
Inferência
Agricultura de precisão
Geostatistics
Inference
computing
Precision agriculture
Artificial Intelligence
CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA
title_short Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado
title_full Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado
title_fullStr Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado
title_full_unstemmed Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado
title_sort Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado
author Bittar, Roberto Dib
author_facet Bittar, Roberto Dib
author_role author
dc.contributor.none.fl_str_mv Alves, Sueli Martins de Freitas
http://lattes.cnpq.br/4333372067658689
Melo, Francisco Ramos de
https://orcid.org/0000-0001-9490-9386
http://lattes.cnpq.br/5142938603640739
Devilla, Ivano Alessandro
dc.contributor.author.fl_str_mv Bittar, Roberto Dib
dc.subject.por.fl_str_mv Inteligência Artificial
Geoestatística
Inferência
Agricultura de precisão
Geostatistics
Inference
computing
Precision agriculture
Artificial Intelligence
CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA
topic Inteligência Artificial
Geoestatística
Inferência
Agricultura de precisão
Geostatistics
Inference
computing
Precision agriculture
Artificial Intelligence
CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA
description A agricultura, como outras atividades, está inserida na globalização. Desta forma, sofre concorrência e influência do que acontece no mundo, implicando na necessidade de melhor gerenciamento com o objetivo de minimizar custos e aumentar a produtividade. A agricultura de precisão oferece a tecnologia necessária para realizar esse gerenciamento. Possibilita aquisição de dados em uma vasta gama, processamento adequado e posterior utilização dessas informações para que impliquem em efetiva melhoria. Desta forma, raciona insumos, recursos naturais e humanos, logo, permite maior ganho final. Um dos fatores que influenciam a produção é a variabilidade espacial e temporal dos atributos do solo. Ao conhecer essa variação, é possível usar técnicas para adequar o solo às necessidades de cada cultura. A geoestatística está inserida na agricultura de precisão, possibilitando, a partir de determinado número de pontos georeferenciados amostrados, detectar e modelar essa variabilidade, resultando em conhecimento da área com o detalhamento necessário. As Redes Neurais Artificiais (RNA), ramo da inteligência artificial, buscam imitar o raciocínio humano e se mostram capazes de realizar inferência de dados. É considerada um aproximador universal, com capacidade de aprender. Uma qualidade das RNAs é estabelecer relação das características multidimensionais consideradas no problema para identificar o padrão ou classe do objeto apresentado. Desta forma, tem capacidade de ser uma razoável alternativa para realização da modelagem da variabilidade espacial. Neste trabalho aplicou-se as RNAs com objetivo de realizar a modelagem da variabilidade espacial de atributos do solo. Para tal foi realizada: coleta de dados, análise estatística descritiva, análise geoestatística, definição, treinamento de diferentes RNAs e consecutiva escolha das redes que apresentaram menor erro médio, posterior comparação entre os resultados estimados versus aferidos, cálculo do erro médio relativo finalizando com comparação das estimativas realizadas por Krigagem ordinária dos atributos que apresentaram dependência espacial. Foi possível concluir que as RNAs apresentam potencial para realizar satisfatoriamente a modelagem da variabilidade espacial de atributos físicoquímicos do solo.
publishDate 2016
dc.date.none.fl_str_mv 2016-03-23
2020-03-25T19:32:31Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv BITTAR, Roberto Dib. Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado. 2016. 126 f. Dissertação (Mestrado em Engenharia Agrícola), Câmpus Central - Sede: Anápolis - CET, Universidade Estadual de Goiás, Anápolis.
http://www.bdtd.ueg.br/tede/handle/tede/211
identifier_str_mv BITTAR, Roberto Dib. Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado. 2016. 126 f. Dissertação (Mestrado em Engenharia Agrícola), Câmpus Central - Sede: Anápolis - CET, Universidade Estadual de Goiás, Anápolis.
url http://www.bdtd.ueg.br/tede/handle/tede/211
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual de Goiás
UEG ::Coordenação de Mestrado em Engenharia Agrícola
Brasil
UEG
Programa de Pós-Graduação Stricto sensu em Engenharia Agrícola
publisher.none.fl_str_mv Universidade Estadual de Goiás
UEG ::Coordenação de Mestrado em Engenharia Agrícola
Brasil
UEG
Programa de Pós-Graduação Stricto sensu em Engenharia Agrícola
dc.source.none.fl_str_mv reponame:Biblioteca Digital Brasileira de Teses e Dissertações da UEG
instname:Universidade Estadual de Goiás (UEG)
instacron:UEG
instname_str Universidade Estadual de Goiás (UEG)
instacron_str UEG
institution UEG
reponame_str Biblioteca Digital Brasileira de Teses e Dissertações da UEG
collection Biblioteca Digital Brasileira de Teses e Dissertações da UEG
repository.name.fl_str_mv Biblioteca Digital Brasileira de Teses e Dissertações da UEG - Universidade Estadual de Goiás (UEG)
repository.mail.fl_str_mv bibliotecaunucet@ueg.br||
_version_ 1799944604660793344

Registros relacionados