Qualidade física de um solo degradado em recuperação via redes neurais artificiais

• Autor(a) principal: Chitero, José Guilherme Marques
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/192503
• topic: Qualidade física do solo; Inteligência artificial; Atributos físicos; RNA; Soil quality; Computational technology; Physical indexes; ANN

Os solos sob um manejo inadequado, têm suas qualidades físicas, químicas e biológicas afetadas negativamente, dando origem a sua degradação. No estado de São Paulo, grande parte das pastagens estão degradadas e/ou em degradação. Entender como um funciona um solo degradado e sua resiliência e iniciar seu processo de restauração, são fundamentais para desenvolver técnicas de manejo adequado do solo. Inúmeras técnicas estão sendo utilizadas para recuperação de solo degradado, descobrir e detalhar os índices físicos do solo ajuda em como proceder, e com qual técnica de recuperação utilizar; visando isso, este projeto teve por objetivo desenvolver um programa interativo (analisar e classificar) com a utilização das redes neurais artificiais (RNA) para estimar os níveis de recuperação do solo (recuperado (R), parcialmente recuperado (PR) e não recuperado (NR) em função dos atributos físicos e comparar com os dados obtidos via estatística convencional. O experimento foi realizado na Agência Paulista de Tecnologias dos Agronegócios – APTA do Extremo Oeste, no município de Andradina/SP no período de 2015 a 2017, em solo classificado como Argissolo Vermelho Amarelo cultivado com pastagem de Urochloa, com diferentes formas de introdução de Estilosantes cv. Campo Grande (Stylosanthes capitata e S. macrocephala). Os atributos do solo estudados foram: densidade do solo, porosidade do solo (macroporosidade e microporosidade), resistência mecânica a penetração, infiltração de água no solo e diâmetro médio ponderado, nas camadas do solo: 0-10; 0,10-0,20 e 0,20-0,40 m. Os dados foram avaliados pela estatística convencional (teste de Tukey a 5% de probabilidade) e via redes neurais artificiais. O programa foi desenvolvido no ambiente MATLAB e a simulação foirealizada por meio de uma interface gráfica. A RNA que foi utilizada neste trabalho é a Perceptron multicamadas (MLP), composta por três camadas, de entrada, intermediária e a de saída, com algoritmo de treinamento retropropagação (treinamento supervisionado). A camada de entrada é composta por 6 neurônios (atributos físicos) e a camada de saída por 1 neurônio, o qual tem a função de informar a classificação quanto a recuperação física do solo (R, PR e NR). Dos resultados obtidos pela RNA, verificou-se que a rede alcançou um treinamento adequado, com erro quadrado médio (mean square error) baixo, podendo gerar uma alternativa interessante e automática para a classificação e análise de solos em recuperação. Os resultados foram imprimidos em uma interface gráfica autoexplicativa, com gráficos e metadados dos índices físicos e suas classificações quanto à RNA.