Predição espacial da textura superficial do solo por árvore de regressão e redes neurais artificiais.
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.
| Main Authors: | , , , |
|---|---|
| Other Authors: | |
| Format: | Separatas biblioteca |
| Language: | pt_BR por |
| Published: |
2015-12-14
|
| Subjects: | Mapeamento digital de solos, Variabilidade espacial, Pedometria, |
| Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1031628 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | 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. |
|---|