Redes neurais e modelos de espaço de estados para o estudo da relação entre propriedades do solo

• Autor(a) principal: Timm, Luís Carlos
• Data de Publicação: 2006
• Outros Autores: Gomes, Daniel Takata, Barbosa, Emanuel Pimentel, Reichardt, Klaus, Souza, Manoel Dornelas de, Dynia, José Flávio
• Tipo de documento: Artigo
• Idioma: eng
• Título da fonte: Scientia Agrícola (Online)
• DOI: 10.1590/S0103-90162006000400010
• Texto Completo: https://www.revistas.usp.br/sa/article/view/22179
• topic: atributos do solo; modelos de predição; transeção espacial; variáveis latentes; soil attributes; prediction models; spatial transect; latent variables

O estudo da relação entre as propriedades do solo é de grande importância na área agronômica objetivando um manejo racional dos recursos naturais do meio ambiente e um aumento na produtividade agrícola. Tradicionalmente este estudo tem sido realizado usando modelos de regressão estática os quais não levam em consideração a estrutura espacial envolvida. Este trabalho teve o objetivo de avaliar a relação entre uma variável de determinação mais cara e demorada (por exemplo, nitrogênio total do solo) e outras de mais barata e rápida determinação (p.e., carbono orgânico do solo, pH, etc.). Duas importantes classes de modelos (espaço de estados linear e redes neurais) são usadas para predição e comparadas aos modelos de regressão uni- e multivariados aqui usados como referência. Para tal, em uma área experimental cultivada com aveia, situada em Jaguariúna, SP (22º41' S e 47º00' W), amostras de um solo classificado como Latossolo foram coletadas na camada arável ao longo de uma transeção espacial de 194 m, eqüidistantes de 2 m. Os modelos de rede neural recorrente e de espaço de estados padrão tiveram uma melhor performance preditiva da variável nitrogênio total do solo quando comparados aos modelos de regressão padrão. Entre os modelos de regressão padrão o Autoregressivo Vetorial teve um melhor desempenho preditivo da variável nitrogênio total do solo.