Rede neural artificial na predição de atributos físicos e químicos do solo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
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/handle/tede/93 |
Resumo: | tomateiro é considerado uma das hortaliças mais exigentes em nutrientes presentes no solo e o estudo das propriedades físicas e químicas do solo é um procedimento de custo e tempo relativamente elevado. Na busca de alternativas para predizer esses atributos a partir de um número menor de amostras do solo, o uso de Redes Neurais Artificiais (RNA) tem sido apontada como uma técnica computacional com grande capacidade de resolver problemas por meio da experiência, pois possuem a capacidade de aquisição e manutenção do conhecimento. Esse trabalho teve por objetivo avaliar a eficiência das estimativas de atributos físicos e químicos do solo obtidas por meio de uma rede neural artificial. Os dados foram coletados em uma área de 23 ha em uma lavoura de tomate industrial irrigada por pivô central no município de Morrinhos (GO). As amostras deformadas de solo foram coletadas na profundidade de 0,0 a 0,2 m utilizando uma grade amostral de 50x50 m, totalizando 120 pontos amostrais para determinação dos atributos físicos e químicos do solo. Foram selecionados aleatoriamente 4 pontos amostrais conhecidos dos 120 pontos obtidos na análise de solo, para compor as variáveis de entrada de aplicação na RNA, após obtenção das estimativas dos atributos físicos e químicos utilizando a RNA juntamente com os dados determinados pela análise de solo, esses foram submetidos à análise descritiva, análise geoestatística (krigagem ordinária), Teste-t de Student, análise de fertilidade do solo por lógica Fuzzy, necessidade de fertilizantes e corretivo e análise de acurácia dos mapas de variabilidade espacial pelo índice Kappa e Exatidão global. O uso da técnica de RNA apresentou-se promissora para obter estimativas de atributos de solo empregando um número menor de amostras de solo. A RNA adquiriu o conhecimento necessário para estimar valores médios dos atributos de solo com eficiência, mas o mesmo não ocorreu para estimar os atributos pontualmente. A fertilidade do solo foi classificada como boa para o cultivo de tomate industrial tanto pelos dados determinados na análise de solo como os estimados pela RNA. A área experimental, por ter apresentado áreas com maior e menor exigência de fertilizante fosfatado pode ser dividida em zonas de manejo facilitando a aplicação de forma variável. |
id |
UEG-2_8e5cba7443da82b980ef443da245e905 |
---|---|
oai_identifier_str |
oai:tede2:tede/93 |
network_acronym_str |
UEG-2 |
network_name_str |
Biblioteca Digital Brasileira de Teses e Dissertações da UEG |
repository_id_str |
|
spelling |
Rede neural artificial na predição de atributos físicos e químicos do soloInteligência artificialAgricultura de precisãoGeoestatísticakrigagem ordináriaLógica FuzzyFuzzy logicArtificial intelligencePrecision agricultureGeostatisticsOrdinary krigingCIENCIAS AGRARIAS::ENGENHARIA AGRICOLAtomateiro é considerado uma das hortaliças mais exigentes em nutrientes presentes no solo e o estudo das propriedades físicas e químicas do solo é um procedimento de custo e tempo relativamente elevado. Na busca de alternativas para predizer esses atributos a partir de um número menor de amostras do solo, o uso de Redes Neurais Artificiais (RNA) tem sido apontada como uma técnica computacional com grande capacidade de resolver problemas por meio da experiência, pois possuem a capacidade de aquisição e manutenção do conhecimento. Esse trabalho teve por objetivo avaliar a eficiência das estimativas de atributos físicos e químicos do solo obtidas por meio de uma rede neural artificial. Os dados foram coletados em uma área de 23 ha em uma lavoura de tomate industrial irrigada por pivô central no município de Morrinhos (GO). As amostras deformadas de solo foram coletadas na profundidade de 0,0 a 0,2 m utilizando uma grade amostral de 50x50 m, totalizando 120 pontos amostrais para determinação dos atributos físicos e químicos do solo. Foram selecionados aleatoriamente 4 pontos amostrais conhecidos dos 120 pontos obtidos na análise de solo, para compor as variáveis de entrada de aplicação na RNA, após obtenção das estimativas dos atributos físicos e químicos utilizando a RNA juntamente com os dados determinados pela análise de solo, esses foram submetidos à análise descritiva, análise geoestatística (krigagem ordinária), Teste-t de Student, análise de fertilidade do solo por lógica Fuzzy, necessidade de fertilizantes e corretivo e análise de acurácia dos mapas de variabilidade espacial pelo índice Kappa e Exatidão global. O uso da técnica de RNA apresentou-se promissora para obter estimativas de atributos de solo empregando um número menor de amostras de solo. A RNA adquiriu o conhecimento necessário para estimar valores médios dos atributos de solo com eficiência, mas o mesmo não ocorreu para estimar os atributos pontualmente. A fertilidade do solo foi classificada como boa para o cultivo de tomate industrial tanto pelos dados determinados na análise de solo como os estimados pela RNA. A área experimental, por ter apresentado áreas com maior e menor exigência de fertilizante fosfatado pode ser dividida em zonas de manejo facilitando a aplicação de forma variável.The tomato is considered to be one of the most demanding nutrients in the soil and the study of the physical and chemical soil properties is a relatively high cost and time procedure. In the search for alternatives to predict these attributes from a smaller number of soil samples, the use of Artificial Neural Networks (RNA) has been pointed as a computational technique with great capacity to solve problems through experience, since they have the capacity of knowledge acquisition and maintenance. The objective of this work was to evaluate the efficiency of soil physical and chemical attributes estimates obtained through an artificial neural network. The data were collected in an area of 23 ha in an industrial tomato crop irrigated by central pivot in the municipality of Morrinhos (GO). The deformed soil samples were collected at a depth of 0.0 to 0.2 m using a sampling grid of 50x50 m, totaling 120 sampling points to determine the physical and chemical attributes of the soil. We randomly selected 4 known sample points from the 120 points obtained in the soil analysis, to compose the input variables of the RNA, after obtaining the estimates of the physical and chemical attributes using the RNA together with the data determined by the soil analysis, these were submitted to descriptive analysis, geostatistical analysis (ordinary kriging), Student's t-test, soil fertility analysis by Fuzzy logic, fertilizer need and corrective and accuracy analysis of spatial variability maps by Kappa index and Global accuracy. The use of RNA technique was promising to obtain estimates of soil attributes using a smaller number of soil samples. RNA acquired the knowledge necessary to estimate mean values of soil attributes efficiently, but this was not done to estimate attributes on time. Soil fertility was classified as good for the cultivation of industrial tomato both by the data determined in soil analysis and those estimated by RNA. The experimental area, for presenting areas with higher and lower requirements of phosphate fertilizer can be divided into areas of management facilitating the application of variable form.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESUniversidade 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 deCosta, Rommel Bernardes daFreitas, Elaine de Fatima Miranda2019-04-24T19:19:29Z2018-02-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfFREITAS, Elaine de Fatima Miranda. Rede neural artificial na predição de atributos físicos e químicos do solo. 2018.103f. Dissertação Dissertação (Mestrado em Engenharia Agrícola) - Câmpus Anápolis de Ciências Exatas e Tecnológicas Henrique Santillo, Universidade Estadual de Goiás, Anápolis, 2018.http://www.bdtd.ueg.br/handle/tede/93porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital Brasileira de Teses e Dissertações da UEGinstname:Universidade Estadual de Goiás (UEG)instacron:UEG2020-12-03T12:11:44Zoai:tede2:tede/93Biblioteca Digital de Teses e Dissertaçõeshttps://www.bdtd.ueg.br/PUBhttps://www.bdtd.ueg.br/oai/requestbibliotecaunucet@ueg.br||opendoar:2020-12-03T12:11:44Biblioteca Digital Brasileira de Teses e Dissertações da UEG - Universidade Estadual de Goiás (UEG)false |
dc.title.none.fl_str_mv |
Rede neural artificial na predição de atributos físicos e químicos do solo |
title |
Rede neural artificial na predição de atributos físicos e químicos do solo |
spellingShingle |
Rede neural artificial na predição de atributos físicos e químicos do solo Freitas, Elaine de Fatima Miranda Inteligência artificial Agricultura de precisão Geoestatística krigagem ordinária Lógica Fuzzy Fuzzy logic Artificial intelligence Precision agriculture Geostatistics Ordinary kriging CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA |
title_short |
Rede neural artificial na predição de atributos físicos e químicos do solo |
title_full |
Rede neural artificial na predição de atributos físicos e químicos do solo |
title_fullStr |
Rede neural artificial na predição de atributos físicos e químicos do solo |
title_full_unstemmed |
Rede neural artificial na predição de atributos físicos e químicos do solo |
title_sort |
Rede neural artificial na predição de atributos físicos e químicos do solo |
author |
Freitas, Elaine de Fatima Miranda |
author_facet |
Freitas, Elaine de Fatima Miranda |
author_role |
author |
dc.contributor.none.fl_str_mv |
Alves, Sueli Martins de Freitas http://lattes.cnpq.br/4333372067658689 Melo, Francisco Ramos de Costa, Rommel Bernardes da |
dc.contributor.author.fl_str_mv |
Freitas, Elaine de Fatima Miranda |
dc.subject.por.fl_str_mv |
Inteligência artificial Agricultura de precisão Geoestatística krigagem ordinária Lógica Fuzzy Fuzzy logic Artificial intelligence Precision agriculture Geostatistics Ordinary kriging CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA |
topic |
Inteligência artificial Agricultura de precisão Geoestatística krigagem ordinária Lógica Fuzzy Fuzzy logic Artificial intelligence Precision agriculture Geostatistics Ordinary kriging CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA |
description |
tomateiro é considerado uma das hortaliças mais exigentes em nutrientes presentes no solo e o estudo das propriedades físicas e químicas do solo é um procedimento de custo e tempo relativamente elevado. Na busca de alternativas para predizer esses atributos a partir de um número menor de amostras do solo, o uso de Redes Neurais Artificiais (RNA) tem sido apontada como uma técnica computacional com grande capacidade de resolver problemas por meio da experiência, pois possuem a capacidade de aquisição e manutenção do conhecimento. Esse trabalho teve por objetivo avaliar a eficiência das estimativas de atributos físicos e químicos do solo obtidas por meio de uma rede neural artificial. Os dados foram coletados em uma área de 23 ha em uma lavoura de tomate industrial irrigada por pivô central no município de Morrinhos (GO). As amostras deformadas de solo foram coletadas na profundidade de 0,0 a 0,2 m utilizando uma grade amostral de 50x50 m, totalizando 120 pontos amostrais para determinação dos atributos físicos e químicos do solo. Foram selecionados aleatoriamente 4 pontos amostrais conhecidos dos 120 pontos obtidos na análise de solo, para compor as variáveis de entrada de aplicação na RNA, após obtenção das estimativas dos atributos físicos e químicos utilizando a RNA juntamente com os dados determinados pela análise de solo, esses foram submetidos à análise descritiva, análise geoestatística (krigagem ordinária), Teste-t de Student, análise de fertilidade do solo por lógica Fuzzy, necessidade de fertilizantes e corretivo e análise de acurácia dos mapas de variabilidade espacial pelo índice Kappa e Exatidão global. O uso da técnica de RNA apresentou-se promissora para obter estimativas de atributos de solo empregando um número menor de amostras de solo. A RNA adquiriu o conhecimento necessário para estimar valores médios dos atributos de solo com eficiência, mas o mesmo não ocorreu para estimar os atributos pontualmente. A fertilidade do solo foi classificada como boa para o cultivo de tomate industrial tanto pelos dados determinados na análise de solo como os estimados pela RNA. A área experimental, por ter apresentado áreas com maior e menor exigência de fertilizante fosfatado pode ser dividida em zonas de manejo facilitando a aplicação de forma variável. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-02-27 2019-04-24T19:19:29Z |
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 |
FREITAS, Elaine de Fatima Miranda. Rede neural artificial na predição de atributos físicos e químicos do solo. 2018.103f. Dissertação Dissertação (Mestrado em Engenharia Agrícola) - Câmpus Anápolis de Ciências Exatas e Tecnológicas Henrique Santillo, Universidade Estadual de Goiás, Anápolis, 2018. http://www.bdtd.ueg.br/handle/tede/93 |
identifier_str_mv |
FREITAS, Elaine de Fatima Miranda. Rede neural artificial na predição de atributos físicos e químicos do solo. 2018.103f. Dissertação Dissertação (Mestrado em Engenharia Agrícola) - Câmpus Anápolis de Ciências Exatas e Tecnológicas Henrique Santillo, Universidade Estadual de Goiás, Anápolis, 2018. |
url |
http://www.bdtd.ueg.br/handle/tede/93 |
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_ |
1799944603985510400 |