Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Fuentes Guevara, Miguel David
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPel - Guaiaca
Texto Completo: http://guaiaca.ufpel.edu.br/handle/prefix/9110
Resumo: As funções de pedotransferência (FPTs) surgem como uma alternativa para estimar a retenção de água no solo a partir de atributos do solo mais facilmente disponíveis nos bancos de dados de solo. As redes neurais artificiais (RNAs) são uma ferramenta que possibilita a geração de FPTs que melhoram esta estimativa. Portanto, o objetivo do presente estudo foi explorar as ferramentas que permitem a avaliação e geração de FPTs para estimar a retenção de água no solo em escala de bacia hidrográfica. Para isso, a área de estudo selecionada foi a bacia hidrográfica Arroio Pelotas (BHAP) localizada no sul do estado do Rio Grande do Sul. Na bacia foram estabelecidos 100 pontos amostrais ao longo de uma transecção espacial de 25 km, nos quais se coletaram amostras de solo na profundidade de 0-20 cm para determinação dos atributos do solo, oriundos do trabalho de dissertação da Luciana Oliveira e atributos topográficos. Assim, obtiveram-se dados do teor de argila, silte e areia, densidade do solo, densidade de partículas, macroporosidade, microporosidade, carbono orgânico, retenção de água no solo nos potenciais 0, -1, -6, -10, -33, -100 e -1.500 kPa, elevação, aspecto, declividade, curvatura plana, curvatura do perfil, e curvatura do terreno. O primeiro estudo foi a avaliação da transferibilidade de FPTs desenvolvidas em outras condições climáticas na estimativa da retenção de água no solo nos potenciais de -33 e 1.500 kPa. A escolha das melhores FPTs foi feita de acordo com a proximidade na estimativa da taxa de variação da evapotranspiração real, obtendo-se como melhor FPT a desenvolvida por Veerecken et al. (1989). O segundo estudo foi a geração de uma FPT pseudo-contínua (FPT-PC) mediante a técnica de RNAs para estimar a retenção de água no solo nos diversos potenciais matriciais. Para isso, foi gerado um banco de dados de solo pela junção dos dados da BHAP e 105 dados coletados em um grid na sub-bacia hidrográfica de cabeceira Sanga Ellert/Canguçu-RS a qual está inserida na BHAP e no município de canguçu. A técnica de random search foi usada no intuito de explorar os efeitos dos hiperparâmetros da rede, selecionar os atributos de entrada e obter um modelo que melhore as estimativas da retenção de água no solo. O melhor conjunto de atributos de entrada na RNA foi densidade do solo, carbono orgânico, microporosidade, argila, curvatura do terreno e plano de curvatura do terreno. Assim, o modelo com melhor desempenho para estimar a retenção de água no solo para o conjunto de todos os potenciais matriciais teve a configuração de hiper-parâmetros: semente = 98,186; taxa de aprendizado = 0,2; número de épocas = 5.000; e momento = 0.2, obtendo métricas estatísticas de desempenho r² = 0,73; ME = 0,052 cm3 cm-3; e RMSE = 0,065 cm3 cm-3 .
id UFPL_ea2291402268b23b0ab20aad1716bd67
oai_identifier_str oai:guaiaca.ufpel.edu.br:prefix/9110
network_acronym_str UFPL
network_name_str Repositório Institucional da UFPel - Guaiaca
repository_id_str
spelling 2023-02-27T16:54:14Z2023-02-272023-02-27T16:54:14Z2022-04-01FUENTES GUEVARA, Miguel David. Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais. 2022. 157 f. Tese (Doutorado em Manejo e Conservação do Solo e da Água) – Universidade Federal de Pelotas, Pelotas, 2022.http://guaiaca.ufpel.edu.br/handle/prefix/9110As funções de pedotransferência (FPTs) surgem como uma alternativa para estimar a retenção de água no solo a partir de atributos do solo mais facilmente disponíveis nos bancos de dados de solo. As redes neurais artificiais (RNAs) são uma ferramenta que possibilita a geração de FPTs que melhoram esta estimativa. Portanto, o objetivo do presente estudo foi explorar as ferramentas que permitem a avaliação e geração de FPTs para estimar a retenção de água no solo em escala de bacia hidrográfica. Para isso, a área de estudo selecionada foi a bacia hidrográfica Arroio Pelotas (BHAP) localizada no sul do estado do Rio Grande do Sul. Na bacia foram estabelecidos 100 pontos amostrais ao longo de uma transecção espacial de 25 km, nos quais se coletaram amostras de solo na profundidade de 0-20 cm para determinação dos atributos do solo, oriundos do trabalho de dissertação da Luciana Oliveira e atributos topográficos. Assim, obtiveram-se dados do teor de argila, silte e areia, densidade do solo, densidade de partículas, macroporosidade, microporosidade, carbono orgânico, retenção de água no solo nos potenciais 0, -1, -6, -10, -33, -100 e -1.500 kPa, elevação, aspecto, declividade, curvatura plana, curvatura do perfil, e curvatura do terreno. O primeiro estudo foi a avaliação da transferibilidade de FPTs desenvolvidas em outras condições climáticas na estimativa da retenção de água no solo nos potenciais de -33 e 1.500 kPa. A escolha das melhores FPTs foi feita de acordo com a proximidade na estimativa da taxa de variação da evapotranspiração real, obtendo-se como melhor FPT a desenvolvida por Veerecken et al. (1989). O segundo estudo foi a geração de uma FPT pseudo-contínua (FPT-PC) mediante a técnica de RNAs para estimar a retenção de água no solo nos diversos potenciais matriciais. Para isso, foi gerado um banco de dados de solo pela junção dos dados da BHAP e 105 dados coletados em um grid na sub-bacia hidrográfica de cabeceira Sanga Ellert/Canguçu-RS a qual está inserida na BHAP e no município de canguçu. A técnica de random search foi usada no intuito de explorar os efeitos dos hiperparâmetros da rede, selecionar os atributos de entrada e obter um modelo que melhore as estimativas da retenção de água no solo. O melhor conjunto de atributos de entrada na RNA foi densidade do solo, carbono orgânico, microporosidade, argila, curvatura do terreno e plano de curvatura do terreno. Assim, o modelo com melhor desempenho para estimar a retenção de água no solo para o conjunto de todos os potenciais matriciais teve a configuração de hiper-parâmetros: semente = 98,186; taxa de aprendizado = 0,2; número de épocas = 5.000; e momento = 0.2, obtendo métricas estatísticas de desempenho r² = 0,73; ME = 0,052 cm3 cm-3; e RMSE = 0,065 cm3 cm-3 .Pedotransfer functions (PTFs) emerge as an alternative to estimate the soil water content from soil attributes that are easier available in soil databases. The artificial neural networks (ANNs) are a tool that enables PTFs generation with better estimates. Therefore, the objective of this study was to explore the tools that allow the assessment and generation of PTFs to estimate the soil water content on a soil watershed. To achieve this, the study area selected was the Pelotas River Watershed (PRW), located in the southern Rio Grande do Sul - Brazil. In the PRW were established 100 sample points along a 25-kmspatial transect in which were collected soil samples from the surface soil (0-20 cm) to determine soil and topographical attributes. Thus, the following attributes were obtained: clay, silt, and sand content, bulk density, particle soil density, macroporosity, microporosity, soil organic content, soil water content in the potentials 0, -1, -6, -10, -33, - 100 e -1,500 kPa, elevation, aspect, soil slope, plan curvature, profile curvature, and curvature. The first study evaluated the PTFs transferability developed in other climate conditions for estimating the soil water content in the matric potentials -33 and 1,500 kPa. The bests PTFs were chosen according to the performance to estimate the variation rates of actual evapotranspiration, obtaining that the PTF developed by Vereecken et al. (1989) had the better performance. The second study carried out the generation of a pseudocontinuous PTF (PC-PTF) through the ANN technique to estimate the soil water content in several matric potentials. A soil database was generated to achieve this, joining the PRW data and the 105-point grid collected in the Ellert Creek/Canguçu-RS Watershed (ECW), which is a headwater of the PRW. The random search technique was used to explore the hyper-parameter effects of the ANN, to find the input attributes selection, and to obtain one model for improving soil water content estimations. The ANN's best input attributes were soil bulk density, soil organic carbon content, microporosity, clay, curvature, and plane curvature. Thus, the model with best performance to estimate the soil water content for the set of all matric potentials had hyper-parameters set: seed = 98.186; learning rate = 0.2; number of epochs = 5,000; and moment = 0,2. This model obtained performance statistical metrics r² = 0.73; ME = 0.052 cm3 cm-3 ; and RMSE = 0,065 cm3 cm-3.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESporUniversidade Federal de PelotasPrograma de Pós-Graduação em Manejo e Conservação do Solo e da ÁguaUFPelBrasilFaculdade de Agronomia Eliseu MacielCNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO::MANEJO E CONSERVACAO DO SOLOAgronomiaFPTsBacia hidrográficaRetenção de águaÁgua no soloModelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiaisModeling water retention in soils under subtropical climate using pedotransfer functions and artificial neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://lattes.cnpq.br/7873921852565813http://lattes.cnpq.br/9067196302691355Corrêa, Ulisses Brisolarahttp://lattes.cnpq.br/0011651263573884Timm, Luís CarlosFuentes Guevara, Miguel Davidinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPel - Guaiacainstname:Universidade Federal de Pelotas (UFPEL)instacron:UFPELTEXTtese_miguel_david_fuentes_guevara.pdf.txttese_miguel_david_fuentes_guevara.pdf.txtExtracted texttext/plain284536http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/6/tese_miguel_david_fuentes_guevara.pdf.txtedf530fe83a33f93932e5924a019b570MD56open accessTHUMBNAILtese_miguel_david_fuentes_guevara.pdf.jpgtese_miguel_david_fuentes_guevara.pdf.jpgGenerated Thumbnailimage/jpeg1299http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/7/tese_miguel_david_fuentes_guevara.pdf.jpge3c684f70db471831340e4b4fd08c331MD57open accessORIGINALtese_miguel_david_fuentes_guevara.pdftese_miguel_david_fuentes_guevara.pdfapplication/pdf3239084http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/1/tese_miguel_david_fuentes_guevara.pdf6f8a5c2cecf387add4899f0cbbdec1ecMD51open accessCC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52open accesslicense_textlicense_texttext/html; charset=utf-80http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53open accesslicense_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-867http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/5/license.txtfbd6c74465857056e3ca572d7586661bMD55open accessprefix/91102023-07-13 04:29:17.73open accessoai:guaiaca.ufpel.edu.br:prefix/9110VG9kb3Mgb3MgaXRlbnMgZGVzc2EgY29tdW5pZGFkZSBzZWd1ZW0gYSBsaWNlbsOnYSBDcmVhdGl2ZSBDb21tb25zLg==Repositório InstitucionalPUBhttp://repositorio.ufpel.edu.br/oai/requestrippel@ufpel.edu.br || repositorio@ufpel.edu.br || aline.batista@ufpel.edu.bropendoar:2023-07-13T07:29:17Repositório Institucional da UFPel - Guaiaca - Universidade Federal de Pelotas (UFPEL)false
dc.title.pt_BR.fl_str_mv Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais
dc.title.alternative.pt_BR.fl_str_mv Modeling water retention in soils under subtropical climate using pedotransfer functions and artificial neural networks
title Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais
spellingShingle Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais
Fuentes Guevara, Miguel David
CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO::MANEJO E CONSERVACAO DO SOLO
Agronomia
FPTs
Bacia hidrográfica
Retenção de água
Água no solo
title_short Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais
title_full Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais
title_fullStr Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais
title_full_unstemmed Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais
title_sort Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais
author Fuentes Guevara, Miguel David
author_facet Fuentes Guevara, Miguel David
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7873921852565813
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9067196302691355
dc.contributor.advisor-co1.fl_str_mv Corrêa, Ulisses Brisolara
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/0011651263573884
dc.contributor.advisor1.fl_str_mv Timm, Luís Carlos
dc.contributor.author.fl_str_mv Fuentes Guevara, Miguel David
contributor_str_mv Corrêa, Ulisses Brisolara
Timm, Luís Carlos
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO::MANEJO E CONSERVACAO DO SOLO
topic CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO::MANEJO E CONSERVACAO DO SOLO
Agronomia
FPTs
Bacia hidrográfica
Retenção de água
Água no solo
dc.subject.por.fl_str_mv Agronomia
FPTs
Bacia hidrográfica
Retenção de água
Água no solo
description As funções de pedotransferência (FPTs) surgem como uma alternativa para estimar a retenção de água no solo a partir de atributos do solo mais facilmente disponíveis nos bancos de dados de solo. As redes neurais artificiais (RNAs) são uma ferramenta que possibilita a geração de FPTs que melhoram esta estimativa. Portanto, o objetivo do presente estudo foi explorar as ferramentas que permitem a avaliação e geração de FPTs para estimar a retenção de água no solo em escala de bacia hidrográfica. Para isso, a área de estudo selecionada foi a bacia hidrográfica Arroio Pelotas (BHAP) localizada no sul do estado do Rio Grande do Sul. Na bacia foram estabelecidos 100 pontos amostrais ao longo de uma transecção espacial de 25 km, nos quais se coletaram amostras de solo na profundidade de 0-20 cm para determinação dos atributos do solo, oriundos do trabalho de dissertação da Luciana Oliveira e atributos topográficos. Assim, obtiveram-se dados do teor de argila, silte e areia, densidade do solo, densidade de partículas, macroporosidade, microporosidade, carbono orgânico, retenção de água no solo nos potenciais 0, -1, -6, -10, -33, -100 e -1.500 kPa, elevação, aspecto, declividade, curvatura plana, curvatura do perfil, e curvatura do terreno. O primeiro estudo foi a avaliação da transferibilidade de FPTs desenvolvidas em outras condições climáticas na estimativa da retenção de água no solo nos potenciais de -33 e 1.500 kPa. A escolha das melhores FPTs foi feita de acordo com a proximidade na estimativa da taxa de variação da evapotranspiração real, obtendo-se como melhor FPT a desenvolvida por Veerecken et al. (1989). O segundo estudo foi a geração de uma FPT pseudo-contínua (FPT-PC) mediante a técnica de RNAs para estimar a retenção de água no solo nos diversos potenciais matriciais. Para isso, foi gerado um banco de dados de solo pela junção dos dados da BHAP e 105 dados coletados em um grid na sub-bacia hidrográfica de cabeceira Sanga Ellert/Canguçu-RS a qual está inserida na BHAP e no município de canguçu. A técnica de random search foi usada no intuito de explorar os efeitos dos hiperparâmetros da rede, selecionar os atributos de entrada e obter um modelo que melhore as estimativas da retenção de água no solo. O melhor conjunto de atributos de entrada na RNA foi densidade do solo, carbono orgânico, microporosidade, argila, curvatura do terreno e plano de curvatura do terreno. Assim, o modelo com melhor desempenho para estimar a retenção de água no solo para o conjunto de todos os potenciais matriciais teve a configuração de hiper-parâmetros: semente = 98,186; taxa de aprendizado = 0,2; número de épocas = 5.000; e momento = 0.2, obtendo métricas estatísticas de desempenho r² = 0,73; ME = 0,052 cm3 cm-3; e RMSE = 0,065 cm3 cm-3 .
publishDate 2022
dc.date.issued.fl_str_mv 2022-04-01
dc.date.accessioned.fl_str_mv 2023-02-27T16:54:14Z
dc.date.available.fl_str_mv 2023-02-27
2023-02-27T16:54:14Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv FUENTES GUEVARA, Miguel David. Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais. 2022. 157 f. Tese (Doutorado em Manejo e Conservação do Solo e da Água) – Universidade Federal de Pelotas, Pelotas, 2022.
dc.identifier.uri.fl_str_mv http://guaiaca.ufpel.edu.br/handle/prefix/9110
identifier_str_mv FUENTES GUEVARA, Miguel David. Modelagem da retenção de água em solos sob clima subtropical usando funções de pedotransferência e redes neurais artificiais. 2022. 157 f. Tese (Doutorado em Manejo e Conservação do Solo e da Água) – Universidade Federal de Pelotas, Pelotas, 2022.
url http://guaiaca.ufpel.edu.br/handle/prefix/9110
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.publisher.none.fl_str_mv Universidade Federal de Pelotas
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Manejo e Conservação do Solo e da Água
dc.publisher.initials.fl_str_mv UFPel
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Faculdade de Agronomia Eliseu Maciel
publisher.none.fl_str_mv Universidade Federal de Pelotas
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPel - Guaiaca
instname:Universidade Federal de Pelotas (UFPEL)
instacron:UFPEL
instname_str Universidade Federal de Pelotas (UFPEL)
instacron_str UFPEL
institution UFPEL
reponame_str Repositório Institucional da UFPel - Guaiaca
collection Repositório Institucional da UFPel - Guaiaca
bitstream.url.fl_str_mv http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/6/tese_miguel_david_fuentes_guevara.pdf.txt
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/7/tese_miguel_david_fuentes_guevara.pdf.jpg
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/1/tese_miguel_david_fuentes_guevara.pdf
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/2/license_url
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/3/license_text
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/4/license_rdf
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9110/5/license.txt
bitstream.checksum.fl_str_mv edf530fe83a33f93932e5924a019b570
e3c684f70db471831340e4b4fd08c331
6f8a5c2cecf387add4899f0cbbdec1ec
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
fbd6c74465857056e3ca572d7586661b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPel - Guaiaca - Universidade Federal de Pelotas (UFPEL)
repository.mail.fl_str_mv rippel@ufpel.edu.br || repositorio@ufpel.edu.br || aline.batista@ufpel.edu.br
_version_ 1801846936261623808