Por favor, use este identificador para citar o enlazar este ítem:
http://www.alice.cnptia.embrapa.br/alice/handle/doc/958080
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.author | ARRUDA, G. P. de | pt_BR |
dc.contributor.author | DEMATTÊ, J. A. M. | pt_BR |
dc.contributor.author | CHAGAS, C. da S. | pt_BR |
dc.date.accessioned | 2015-06-23T05:17:34Z | - |
dc.date.available | 2015-06-23T05:17:34Z | - |
dc.date.created | 2013-05-16 | pt_BR |
dc.date.issued | 2013 | pt_BR |
dc.identifier.citation | Revista Brasileira de Ciência do Solo, Viçosa, MG, v. 37, n. 2, p. 327-338, mar./abr. 2013. | pt_BR |
dc.identifier.uri | http://www.alice.cnptia.embrapa.br/alice/handle/doc/958080 | pt_BR |
dc.description | Técnicas de mapeamento digital podem contribuir para agilizar a realização de levantamentos pedológicos detalhados. Objetivou-se com este trabalho obter um mapa digital de solos (MDS) com uso de redes neurais artificiais (RNA), utilizando correlações entre unidades de mapeamento (UM) e covariáveis ambientais. A área utilizada compreendeu aproximadamente 12.000 ha localizados no município de Barra Bonita, SP. A partir do resultado de uma análise de agrupamento das covariáveis ambientais, foram escolhidas cinco áreas de referência para realizar o mapeamento convencional. As UM identificadas subsidiaram a aplicação da técnica de RNA. Utilizaram-se o simulador de redes neurais JavaNNS e o algoritmo de aprendizado backpropagation. Pontos de referência foram coletados para avaliar o desempenho do mapa digital produzido. A posição na paisagem e o material de origem subjacente foram determinantes para o reconhecimento dos delineamentos das UM. Houve boa concordância entre as UM delineadas pelo MDS e pelo método convencional. A comparação entre os pontos de referência e o mapa de solos digital evidenciou exatidão de 72 %. O uso da abordagem MDS utilizada pode contribuir para diminuir a falta de informações semidetalhadas de solos em locais ainda não mapeados, tomando-se como base informações pedológicas obtidas de áreas de referência adjacentes. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Covariáveis ambientais | pt_BR |
dc.subject | Classificação supervisionada | pt_BR |
dc.title | Mapeamento digital de solos por redes neurais artificiais com base na relação solo-paisagem. | pt_BR |
dc.type | Artigo de periódico | pt_BR |
dc.date.updated | 2015-06-23T05:17:34Z | pt_BR |
riaa.ainfo.id | 958080 | pt_BR |
riaa.ainfo.lastupdate | 2015-06-22 | pt_BR |
dc.identifier.doi | https://doi.org/10.1590/S0100-06832013000200004 | pt_BR |
dc.contributor.institution | Gustavo Pais de Arruda, APagri Consultoria Agronômica; José Alexandre M. Demattê, ESALQ-USP; CESAR DA SILVA CHAGAS, CNPS. | pt_BR |
Aparece en las colecciones: | Artigo em periódico indexado (CNPS)![]() ![]() |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
V37N2a04.pdf | 892.47 kB | Adobe PDF | ![]() Visualizar/Abrir |