Predição espacial da textura superficial do solo por árvore de regressão e redes neurais artificiais.

CHAGAS, C. da S.; CARVALHO JUNIOR, W. de; BHERING, S. B.; PEREIRA, N. R.

Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1031628

Full metadata record

DC Field	Value	Language
dc.contributor.author	CHAGAS, C. da S.	pt_BR
dc.contributor.author	CARVALHO JUNIOR, W. de	pt_BR
dc.contributor.author	BHERING, S. B.	pt_BR
dc.contributor.author	PEREIRA, N. R.	pt_BR
dc.date.accessioned	2015-12-14T11:11:11Z	pt_BR
dc.date.available	2015-12-14T11:11:11Z	pt_BR
dc.date.created	2015-12-14	pt_BR
dc.date.issued	2015	pt_BR
dc.identifier.citation	In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 35., 2015, Natal. O solo e suas múltiplas funções: anais. Natal: Sociedade Brasileira de Ciência do Solo, 2015.	pt_BR
dc.identifier.uri	http://www.alice.cnptia.embrapa.br/alice/handle/doc/1031628	pt_BR
dc.description	A textura é uma propriedade física do solo importante e altamente variável que influencia grandemente muitas outras propriedades de grande importância para a produção agrícola como a fertilidade e a capacidade de retenção de umidade. O objetivo desse estudo foi avaliar a eficiência de dados do sensor TM do Landsat 5 no mapeamento digital de solos no semiárido brasileiro por meio da utilização de árvores de regressão (AR) e redes neurais artificiais (RNA), ambas implementadas no software livre R. Foram utilizadas na predição da areia, silte e argila, 399 amostras da camada superficial (0 - 20 cm) dos solos e como covariáveis as bandas 1, 2, 3, 4, 5 e 7, o índice NDVI e as relações entre as bandas 3 e 2, bandas 3 e 7 e bandas 5 e 7. Os resultados das análises realizadas, usando um conjunto de validação independente, mostraram que as melhores estimativas dos atributos foram obtidas com a utilização dos modelos RNA, que explicou 57% da variabilidade espacial da areia, 49% da argila e 32% do silte. A RNA mostrou-se mais vantajosa, em comparação com a AR, pelo fato de não ser sensível ao sobreajustamento (overfitting) e nem a presença de ruídos nos dados. Além disso, a RNA produziu mapas da distribuição dos atributos mais realísticos do que a AR.	pt_BR
dc.language.iso	por	pt_BR
dc.rights	openAccess	pt_BR
dc.subject	Mapeamento digital de solos	pt_BR
dc.subject	Variabilidade espacial	pt_BR
dc.subject	Pedometria	pt_BR
dc.title	Predição espacial da textura superficial do solo por árvore de regressão e redes neurais artificiais.	pt_BR
dc.type	Artigo em anais e proceedings	pt_BR
dc.date.updated	2016-01-29T11:11:11Z	pt_BR
riaa.ainfo.id	1031628	pt_BR
riaa.ainfo.lastupdate	2016-01-29	pt_BR
dc.contributor.institution	CESAR DA SILVA CHAGAS, CNPS; WALDIR DE CARVALHO JUNIOR, CNPS; SILVIO BARGE BHERING, CNPS; NILSON RENDEIRO PEREIRA, CNPS.	pt_BR
Appears in Collections:	Artigo em anais de congresso (CNPS)

Files in This Item:

File	Description	Size	Format
2015095.pdf		546.77 kB	Adobe PDF	View/Open

Show simple item record