Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial

Detalhes bibliográficos
Autor(a) principal: Cagliari, Joice
Data de Publicação: 2010
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
Texto Completo: http://www.repositorio.jesuita.org.br/handle/UNISINOS/4670
Resumo: O fósforo remanescente consiste na concentração de fósforo que permanece em solução após a agitação por 1 hora de uma amostra de solo com solução de CaCl2 0,01 mol L-1 contendo 60 mg L-1 P. O valor de fósforo remanescente pode ser utilizado como um bom indicador da capacidade de sorção aniônica de um solo haja vista ser mais sensível a sua composição mineralógica do que ao teor de sua fração argila. No Brasil, a utilização agronômica do fósforo remanescente é contemplada no sistema oficial de recomendação de fertilizantes e corretivos do Estado de Minas Gerais. O objetivo principal deste estudo foi o de desenvolver uma função de pedotransferência que permitisse estimar com razoável exatidão o valor de fósforo remanescente de solos representativos do Estado de São Paulo, a partir de outros atributos químicos de mais simples e/ou rotineira determinação laboratorial. Nesse contexto, duas funções de pedotransferência foram desenvolvidas com base em redes neurais artificiais (RNA) e análises de regressão linear múltipla (RLM), utilizando um banco de dados constituído por propriedades físicas e químicas de solos amostrados em diferentes localidades do Estado de São Paulo. As redes alimentadas adiante com múltiplas camadas foram utilizadas para desenvolver a função de pedotransferência baseada em RNA e a topologia foi determinada a partir de experimentos sucessivos. Os critérios de escolha da melhor rede neural foram, simultaneamente, o desempenho na etapa de treinamento, medido por meio do erro quadrático médio, e a capacidade de generalização, avaliada por meio de análises estatísticas entre os valores de Prem estimados e determinados analiticamente. A topologia da rede que melhor estimou o fósforo remanescente foi [3 14 1], ou seja, três neurônios na camada de entrada, quatorze em uma única camada intermediária e um na camada de saída; a função de ativação utilizada foi a sigmoidal logística, os valores de entrada foram normalizados entre [0;1] e o algoritmo de aprendizagem utilizado foi o resilient backpropagation. As três variáveis da camada de entrada foram o valor de pH medido em solução de NaF 1 mol L-1 (pH NaF), a soma de bases trocáveis (SB) e o teor de alumínio trocável (Al3+), sendo as duas últimas determinadas rotineiramente em análises de solo e a primeira de mais fácil e rápida obtenção que o fósforo remanescente. A função de pedotransferência baseada em RLM foi desenvolvida considerando as mesmas variáveis de entrada utilizadas na função de pedotransferência baseada em RNA. A comparação entre os desempenhos obtidos, para um mesmo conjunto de validação, mostrou que as funções de pedotransferência baseadas em redes neurais apresentam estimativas mais exatas do fósforo remanescente. Apesar do conjunto de dados utilizado não ser suficientemente abrangente para o estabelecimento de uma função de pedotransferência definitiva para a estimativa do fósforo remanescente, os resultados do presente trabalho indicam como promissor o desenvolvimento de um massivo banco de dados por meio do aproveitamento dos resultados analíticos continuamente gerados pelos vários laboratórios brasileiros dedicados à avaliação da fertilidade do solo e que contemple os valores de fósforo remanescente e pH NaF. Tal banco de dados permitirá o desenvolvimento de uma função de pedotransferência baseada em redes neurais artificiais cuja utilização possibilitará o cálculo imediato de valores suficientemente exatos de fósforo remanescente com razoável economia de recursos financeiros que seriam empregados na análise de um grande número de amostras.
id USIN_c8182af9beb3d274b151656c7a003696
oai_identifier_str oai:www.repositorio.jesuita.org.br:UNISINOS/4670
network_acronym_str USIN
network_name_str Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
repository_id_str
spelling 2015-08-03T23:08:01Z2015-08-03T23:08:01Z2010Submitted by Fabricia Fialho Reginato (fabriciar) on 2015-08-03T23:08:01Z No. of bitstreams: 1 JoiceCagliari.pdf: 1412838 bytes, checksum: 244299757ce9e71c1219d2018888f982 (MD5)Made available in DSpace on 2015-08-03T23:08:01Z (GMT). No. of bitstreams: 1 JoiceCagliari.pdf: 1412838 bytes, checksum: 244299757ce9e71c1219d2018888f982 (MD5) Previous issue date: 2010O fósforo remanescente consiste na concentração de fósforo que permanece em solução após a agitação por 1 hora de uma amostra de solo com solução de CaCl2 0,01 mol L-1 contendo 60 mg L-1 P. O valor de fósforo remanescente pode ser utilizado como um bom indicador da capacidade de sorção aniônica de um solo haja vista ser mais sensível a sua composição mineralógica do que ao teor de sua fração argila. No Brasil, a utilização agronômica do fósforo remanescente é contemplada no sistema oficial de recomendação de fertilizantes e corretivos do Estado de Minas Gerais. O objetivo principal deste estudo foi o de desenvolver uma função de pedotransferência que permitisse estimar com razoável exatidão o valor de fósforo remanescente de solos representativos do Estado de São Paulo, a partir de outros atributos químicos de mais simples e/ou rotineira determinação laboratorial. Nesse contexto, duas funções de pedotransferência foram desenvolvidas com base em redes neurais artificiais (RNA) e análises de regressão linear múltipla (RLM), utilizando um banco de dados constituído por propriedades físicas e químicas de solos amostrados em diferentes localidades do Estado de São Paulo. As redes alimentadas adiante com múltiplas camadas foram utilizadas para desenvolver a função de pedotransferência baseada em RNA e a topologia foi determinada a partir de experimentos sucessivos. Os critérios de escolha da melhor rede neural foram, simultaneamente, o desempenho na etapa de treinamento, medido por meio do erro quadrático médio, e a capacidade de generalização, avaliada por meio de análises estatísticas entre os valores de Prem estimados e determinados analiticamente. A topologia da rede que melhor estimou o fósforo remanescente foi [3 14 1], ou seja, três neurônios na camada de entrada, quatorze em uma única camada intermediária e um na camada de saída; a função de ativação utilizada foi a sigmoidal logística, os valores de entrada foram normalizados entre [0;1] e o algoritmo de aprendizagem utilizado foi o resilient backpropagation. As três variáveis da camada de entrada foram o valor de pH medido em solução de NaF 1 mol L-1 (pH NaF), a soma de bases trocáveis (SB) e o teor de alumínio trocável (Al3+), sendo as duas últimas determinadas rotineiramente em análises de solo e a primeira de mais fácil e rápida obtenção que o fósforo remanescente. A função de pedotransferência baseada em RLM foi desenvolvida considerando as mesmas variáveis de entrada utilizadas na função de pedotransferência baseada em RNA. A comparação entre os desempenhos obtidos, para um mesmo conjunto de validação, mostrou que as funções de pedotransferência baseadas em redes neurais apresentam estimativas mais exatas do fósforo remanescente. Apesar do conjunto de dados utilizado não ser suficientemente abrangente para o estabelecimento de uma função de pedotransferência definitiva para a estimativa do fósforo remanescente, os resultados do presente trabalho indicam como promissor o desenvolvimento de um massivo banco de dados por meio do aproveitamento dos resultados analíticos continuamente gerados pelos vários laboratórios brasileiros dedicados à avaliação da fertilidade do solo e que contemple os valores de fósforo remanescente e pH NaF. Tal banco de dados permitirá o desenvolvimento de uma função de pedotransferência baseada em redes neurais artificiais cuja utilização possibilitará o cálculo imediato de valores suficientemente exatos de fósforo remanescente com razoável economia de recursos financeiros que seriam empregados na análise de um grande número de amostras.The remaining phosphorus consists of the P concentration that remains in solution after shaking for 1 hour a soil sample with 0.01 mol L-1 CaCl2 containing 60 mg L-1 P. The remaining phosphorus values can be used as suitable indicators of the soil capacity of anion sorption due to be more dependable on the soil mineralogy than on the soil clay content. In Brazil, the remaining phosphorus is used as an ancillary variable in the official guidelines for determining fertilizer and amender requirements of agricultural soils of the Minas Gerais state. The main goal of this research was to develop a pedotransfer function (PTF) capable of providing fairly accurate estimates of remaining phosphorus values of representative soils of the São Paulo state from often-determined soil chemical properties and/or from other ones of easier determination. In this context, two pedotransfer functions were developed by using artificial neural networks (ANN) and multiple regression analysis (MRA) applied to a database formed by values of soil chemical and physical properties derived from soil surveys previously carried out in different locations of the São Paulo state. The multi-layer feedforward neural networks approach was used for the development of the ANN-based PTF being its topology determined from successive experiments. The simultaneous criteria adopted for choosing the best neural network were the performance during the training stage, measured by the mean squared error, and its capacity of providing accurate Prem values, which was evaluated by using a validation database in which statistical comparisons were done between the measured and estimated Prem values. The topology of the network that provided the most accurate estimates of the remaining phosphorus was [3 14 1], i.e., three neurons at the input layer, fourteen at a unique hidden layer and one neuron at the output layer; further development features included the use of the sigmoid logistic model as activation function, the input of data normalized in the [0;1] interval and the use of the resilient backpropagation learning algorithm. The three variables at the input layer were the soil pH value measured in 1 mol L-1 NaF (pH NaF), the sum of exchangeable bases (SB) and the soil content of exchangeable aluminum (Al3+), being the two last ones usually determined in soil test laboratories whereas the pH NaF determination is easier than the remaining phosphorus one. The MRA-based PTF was developed considering the same input variables of the ANN-based one, i.e., pH NaF, SB and Al3+. The comparisons performed with a same validation database showed that the pedotransfer function developed from artificial neural networks provided more accurate estimates of remaining phosphorus values. Despite the database used for the PTF development not be so comprehensive for the establishment of a definitive pedotransfer function for estimating remaining phosphorus values, the results of the present research indicate as promising the development of a massive database from chemical results often obtained by the Brazilian laboratories dedicated to soil fertility evaluation and that includes Prem and pH NaF values. This database will allow the development of a comprehensive ANN-based pedotransfer function capable of not only calculating suitable Prem values for practical applications but also reducing the expenses related to the analyses of a great number of soil samples.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorCagliari, Joicehttp://lattes.cnpq.br/4949211583333548http://lattes.cnpq.br/0157177135951013Alves, Marcelo Eduardohttp://lattes.cnpq.br/1277809250586619Veronez, Mauricio RobertoUniversidade do Vale do Rio dos SinosPrograma de Pós-Graduação em GeologiaUnisinosBrasilEscola PolitécnicaFunção de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificialACCNPQ::Ciências Exatas e da Terra::GeologiaRegressão linear múltiplaRedes neurais artificiaisFunção de pedotransferênciaFósforo remanescenteMultiple regression analysisArtificial neural networksPedotransfer functionsRemaining phosphorusinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.repositorio.jesuita.org.br/handle/UNISINOS/4670info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)instname:Universidade do Vale do Rio dos Sinos (UNISINOS)instacron:UNISINOSORIGINALJoiceCagliari.pdfJoiceCagliari.pdfapplication/pdf1412838http://repositorio.jesuita.org.br/bitstream/UNISINOS/4670/1/JoiceCagliari.pdf244299757ce9e71c1219d2018888f982MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82099http://repositorio.jesuita.org.br/bitstream/UNISINOS/4670/2/license.txte130fff006551e19abf270f718b7ab21MD52UNISINOS/46702015-08-03 20:08:41.901oai:www.repositorio.jesuita.org.br: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Biblioteca Digital de Teses e Dissertaçõeshttp://www.repositorio.jesuita.org.br/oai/requestopendoar:2015-08-03T23:08:41Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)false
dc.title.pt_BR.fl_str_mv Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial
title Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial
spellingShingle Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial
Cagliari, Joice
ACCNPQ::Ciências Exatas e da Terra::Geologia
Regressão linear múltipla
Redes neurais artificiais
Função de pedotransferência
Fósforo remanescente
Multiple regression analysis
Artificial neural networks
Pedotransfer functions
Remaining phosphorus
title_short Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial
title_full Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial
title_fullStr Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial
title_full_unstemmed Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial
title_sort Função de pedotransferência para estimar o fósforo remanescente em solos, utilizando rede neural artificial
author Cagliari, Joice
author_facet Cagliari, Joice
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4949211583333548
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0157177135951013
dc.contributor.author.fl_str_mv Cagliari, Joice
dc.contributor.advisor-co1.fl_str_mv Alves, Marcelo Eduardo
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/1277809250586619
dc.contributor.advisor1.fl_str_mv Veronez, Mauricio Roberto
contributor_str_mv Alves, Marcelo Eduardo
Veronez, Mauricio Roberto
dc.subject.cnpq.fl_str_mv ACCNPQ::Ciências Exatas e da Terra::Geologia
topic ACCNPQ::Ciências Exatas e da Terra::Geologia
Regressão linear múltipla
Redes neurais artificiais
Função de pedotransferência
Fósforo remanescente
Multiple regression analysis
Artificial neural networks
Pedotransfer functions
Remaining phosphorus
dc.subject.por.fl_str_mv Regressão linear múltipla
Redes neurais artificiais
Função de pedotransferência
Fósforo remanescente
dc.subject.eng.fl_str_mv Multiple regression analysis
Artificial neural networks
Pedotransfer functions
Remaining phosphorus
description O fósforo remanescente consiste na concentração de fósforo que permanece em solução após a agitação por 1 hora de uma amostra de solo com solução de CaCl2 0,01 mol L-1 contendo 60 mg L-1 P. O valor de fósforo remanescente pode ser utilizado como um bom indicador da capacidade de sorção aniônica de um solo haja vista ser mais sensível a sua composição mineralógica do que ao teor de sua fração argila. No Brasil, a utilização agronômica do fósforo remanescente é contemplada no sistema oficial de recomendação de fertilizantes e corretivos do Estado de Minas Gerais. O objetivo principal deste estudo foi o de desenvolver uma função de pedotransferência que permitisse estimar com razoável exatidão o valor de fósforo remanescente de solos representativos do Estado de São Paulo, a partir de outros atributos químicos de mais simples e/ou rotineira determinação laboratorial. Nesse contexto, duas funções de pedotransferência foram desenvolvidas com base em redes neurais artificiais (RNA) e análises de regressão linear múltipla (RLM), utilizando um banco de dados constituído por propriedades físicas e químicas de solos amostrados em diferentes localidades do Estado de São Paulo. As redes alimentadas adiante com múltiplas camadas foram utilizadas para desenvolver a função de pedotransferência baseada em RNA e a topologia foi determinada a partir de experimentos sucessivos. Os critérios de escolha da melhor rede neural foram, simultaneamente, o desempenho na etapa de treinamento, medido por meio do erro quadrático médio, e a capacidade de generalização, avaliada por meio de análises estatísticas entre os valores de Prem estimados e determinados analiticamente. A topologia da rede que melhor estimou o fósforo remanescente foi [3 14 1], ou seja, três neurônios na camada de entrada, quatorze em uma única camada intermediária e um na camada de saída; a função de ativação utilizada foi a sigmoidal logística, os valores de entrada foram normalizados entre [0;1] e o algoritmo de aprendizagem utilizado foi o resilient backpropagation. As três variáveis da camada de entrada foram o valor de pH medido em solução de NaF 1 mol L-1 (pH NaF), a soma de bases trocáveis (SB) e o teor de alumínio trocável (Al3+), sendo as duas últimas determinadas rotineiramente em análises de solo e a primeira de mais fácil e rápida obtenção que o fósforo remanescente. A função de pedotransferência baseada em RLM foi desenvolvida considerando as mesmas variáveis de entrada utilizadas na função de pedotransferência baseada em RNA. A comparação entre os desempenhos obtidos, para um mesmo conjunto de validação, mostrou que as funções de pedotransferência baseadas em redes neurais apresentam estimativas mais exatas do fósforo remanescente. Apesar do conjunto de dados utilizado não ser suficientemente abrangente para o estabelecimento de uma função de pedotransferência definitiva para a estimativa do fósforo remanescente, os resultados do presente trabalho indicam como promissor o desenvolvimento de um massivo banco de dados por meio do aproveitamento dos resultados analíticos continuamente gerados pelos vários laboratórios brasileiros dedicados à avaliação da fertilidade do solo e que contemple os valores de fósforo remanescente e pH NaF. Tal banco de dados permitirá o desenvolvimento de uma função de pedotransferência baseada em redes neurais artificiais cuja utilização possibilitará o cálculo imediato de valores suficientemente exatos de fósforo remanescente com razoável economia de recursos financeiros que seriam empregados na análise de um grande número de amostras.
publishDate 2010
dc.date.issued.fl_str_mv 2010
dc.date.accessioned.fl_str_mv 2015-08-03T23:08:01Z
dc.date.available.fl_str_mv 2015-08-03T23:08:01Z
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 http://www.repositorio.jesuita.org.br/handle/UNISINOS/4670
url http://www.repositorio.jesuita.org.br/handle/UNISINOS/4670
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 do Vale do Rio dos Sinos
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Geologia
dc.publisher.initials.fl_str_mv Unisinos
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Escola Politécnica
publisher.none.fl_str_mv Universidade do Vale do Rio dos Sinos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
instname:Universidade do Vale do Rio dos Sinos (UNISINOS)
instacron:UNISINOS
instname_str Universidade do Vale do Rio dos Sinos (UNISINOS)
instacron_str UNISINOS
institution UNISINOS
reponame_str Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
collection Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
bitstream.url.fl_str_mv http://repositorio.jesuita.org.br/bitstream/UNISINOS/4670/1/JoiceCagliari.pdf
http://repositorio.jesuita.org.br/bitstream/UNISINOS/4670/2/license.txt
bitstream.checksum.fl_str_mv 244299757ce9e71c1219d2018888f982
e130fff006551e19abf270f718b7ab21
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)
repository.mail.fl_str_mv
_version_ 1801844974913847296