Componentes principais como preditores no mapeamento digital de classes de solos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Ciência Rural |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782011000700011 |
Resumo: | Tecnologias disponíveis para a observação da Terra oferecem uma grande gama de informações sobre componentes ambientais que, por estarem relacionadas com a formação dos solos, podem ser usadas como variáveis preditoras no Mapeamento Digital de Solos (MDS). No entanto, modelos com um grande número de preditores, bem como a existência de multicolinearidade entre os dados, podem ser ineficazes no mapeamento de classes e propriedades do solo. O objetivo deste estudo foi empregar a Análise de Componentes Principais (ACP) visando a selecionar e diminuir o número de preditores na regressão logística múltipla multinomial (RLMM) utilizada no mapeamento de classes de solos. Nove covariáveis ambientais, ligadas ao fator de formação relevo, foram derivadas de um Modelo Digital de Elevação e denominadas variáveis originais, estas foram submetidas à ACP e transformadas em Componentes Principais (CP). As RLMM foram desenvolvidas utilizando-se atributos de terreno e as CP como variáveis explicativas. O mapa de solos gerado a partir de três CP (65,6% da variância original) obteve um índice kappa de 37,3%, inferior aos 48,5% alcançado pelo mapa de solos gerado a partir de todas as nove variáveis originais. |
id |
UFSM-2_46cfe91739581f627ef37dd3ba5a994a |
---|---|
oai_identifier_str |
oai:scielo:S0103-84782011000700011 |
network_acronym_str |
UFSM-2 |
network_name_str |
Ciência rural (Online) |
repository_id_str |
|
spelling |
Componentes principais como preditores no mapeamento digital de classes de solospedometriaanálise estatística multivariadalevantamento de solosTecnologias disponíveis para a observação da Terra oferecem uma grande gama de informações sobre componentes ambientais que, por estarem relacionadas com a formação dos solos, podem ser usadas como variáveis preditoras no Mapeamento Digital de Solos (MDS). No entanto, modelos com um grande número de preditores, bem como a existência de multicolinearidade entre os dados, podem ser ineficazes no mapeamento de classes e propriedades do solo. O objetivo deste estudo foi empregar a Análise de Componentes Principais (ACP) visando a selecionar e diminuir o número de preditores na regressão logística múltipla multinomial (RLMM) utilizada no mapeamento de classes de solos. Nove covariáveis ambientais, ligadas ao fator de formação relevo, foram derivadas de um Modelo Digital de Elevação e denominadas variáveis originais, estas foram submetidas à ACP e transformadas em Componentes Principais (CP). As RLMM foram desenvolvidas utilizando-se atributos de terreno e as CP como variáveis explicativas. O mapa de solos gerado a partir de três CP (65,6% da variância original) obteve um índice kappa de 37,3%, inferior aos 48,5% alcançado pelo mapa de solos gerado a partir de todas as nove variáveis originais.Universidade Federal de Santa Maria2011-07-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782011000700011Ciência Rural v.41 n.7 2011reponame:Ciência Ruralinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM10.1590/S0103-84782011000700011info:eu-repo/semantics/openAccessten Caten,AlexandreDalmolin,Ricardo Simão DinizPedron,Fabrício de AraújoSantos,Maria de Lourdes Mendonçapor2011-08-09T00:00:00ZRevista |
dc.title.none.fl_str_mv |
Componentes principais como preditores no mapeamento digital de classes de solos |
title |
Componentes principais como preditores no mapeamento digital de classes de solos |
spellingShingle |
Componentes principais como preditores no mapeamento digital de classes de solos ten Caten,Alexandre pedometria análise estatística multivariada levantamento de solos |
title_short |
Componentes principais como preditores no mapeamento digital de classes de solos |
title_full |
Componentes principais como preditores no mapeamento digital de classes de solos |
title_fullStr |
Componentes principais como preditores no mapeamento digital de classes de solos |
title_full_unstemmed |
Componentes principais como preditores no mapeamento digital de classes de solos |
title_sort |
Componentes principais como preditores no mapeamento digital de classes de solos |
author |
ten Caten,Alexandre |
author_facet |
ten Caten,Alexandre Dalmolin,Ricardo Simão Diniz Pedron,Fabrício de Araújo Santos,Maria de Lourdes Mendonça |
author_role |
author |
author2 |
Dalmolin,Ricardo Simão Diniz Pedron,Fabrício de Araújo Santos,Maria de Lourdes Mendonça |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
ten Caten,Alexandre Dalmolin,Ricardo Simão Diniz Pedron,Fabrício de Araújo Santos,Maria de Lourdes Mendonça |
dc.subject.por.fl_str_mv |
pedometria análise estatística multivariada levantamento de solos |
topic |
pedometria análise estatística multivariada levantamento de solos |
description |
Tecnologias disponíveis para a observação da Terra oferecem uma grande gama de informações sobre componentes ambientais que, por estarem relacionadas com a formação dos solos, podem ser usadas como variáveis preditoras no Mapeamento Digital de Solos (MDS). No entanto, modelos com um grande número de preditores, bem como a existência de multicolinearidade entre os dados, podem ser ineficazes no mapeamento de classes e propriedades do solo. O objetivo deste estudo foi empregar a Análise de Componentes Principais (ACP) visando a selecionar e diminuir o número de preditores na regressão logística múltipla multinomial (RLMM) utilizada no mapeamento de classes de solos. Nove covariáveis ambientais, ligadas ao fator de formação relevo, foram derivadas de um Modelo Digital de Elevação e denominadas variáveis originais, estas foram submetidas à ACP e transformadas em Componentes Principais (CP). As RLMM foram desenvolvidas utilizando-se atributos de terreno e as CP como variáveis explicativas. O mapa de solos gerado a partir de três CP (65,6% da variância original) obteve um índice kappa de 37,3%, inferior aos 48,5% alcançado pelo mapa de solos gerado a partir de todas as nove variáveis originais. |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011-07-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782011000700011 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782011000700011 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0103-84782011000700011 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Universidade Federal de Santa Maria |
publisher.none.fl_str_mv |
Universidade Federal de Santa Maria |
dc.source.none.fl_str_mv |
Ciência Rural v.41 n.7 2011 reponame:Ciência Rural instname:Universidade Federal de Santa Maria (UFSM) instacron:UFSM |
instname_str |
Universidade Federal de Santa Maria (UFSM) |
instacron_str |
UFSM |
institution |
UFSM |
reponame_str |
Ciência Rural |
collection |
Ciência Rural |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1749140538828783616 |