Título:	Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia.
Autoria:	SALDANHA, G. da R. PINHEIRO, H. S. K. CARVALHO JUNIOR, W. de CHAGAS, C. da S. RODRIGUES, N. B. RAMOS, E. E. C. GUIMARÃES, L. D. D.
Afiliação:	GABRIELA DA ROCHA SALDANHA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO HELENA SARAIVA KOENOW PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO WALDIR DE CARVALHO JUNIOR, CNPS CESAR DA SILVA CHAGAS, CNPS NIRIELE BRUNO RODRIGUES, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO ERIKA ELISSANDRA CASSIMIRO RAMOS, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO LEONARDO DURVAL DUARTE GUIMARÃES, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO MATO GROSSO.
Ano de publicação:	2023
Referência:	In: CONGRESSO LATINO-AMERICANO DE CIÊNCIA DO SOLO, 23.; CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 38., 2023, Florianópolis. Anais [...]. Florianópolis: Epagri, 2023. p. 110. Ref. ID 1206.
Conteúdo:	O objetivo do trabalho foi comparar dois modelos de machine-learning, Regressão Linear Múltipla (RLM) e Random Forest (RF), para a predição da distribuição da fração areia total do solo.
Palavras-chave:	Mapeamento digital Modelos preditivos Granulometria do solo
Tipo do material:	Resumo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Resumo em anais de congresso (CNPS)