ESTIMATIVAS DE EMISSÃO DE CO2 EM SOLOS CULTIVADOS POR MEIO DE REDES NEURAIS ARTIFICIAS E MODELO LINEAR DE REGRESSÃO
DOI:
https://doi.org/10.1590/1983-21252022v35n424rcPalavras-chave:
Gases de efeito estufa. Manejo do solo. Modelagem. Inteligência artificial.Resumo
A quantificação das emissões destes gases do solo é onerosa, uma vez que requer metodologias e equipamentos específicos. O objetivo deste foi avaliar a modelagem utilizando regressão não linear e redes neurais artificiais para estimar a emissão de CO2 em função do manejo do solo, e de suas propriedades físicas e químicas. A emissão de CO2 foi avaliada em dois diferentes manejos do solo, o plantio direto e o cultivo mínimo. As leituras de fluxo CO2 foram realizadas por meio de uma câmara de sistema fechado automático, determinou-se ainda a temperatura e teor de água do solo, densidade do solo e carbono orgânico total. O modelo de regressão e os modelos de redes neurais artificiais foram ajustados a partir da correlação entre as variáveis medidas nas áreas em que o solo foi manejado com plantio direto e cultivo mínimo, com os dados de emissão de CO2. As redes neurais artificiais são mais precisas na determinação das relações entre a emissão de CO2 e a temperatura, teor de água no solo, densidade do solo e carbono orgânico, quando comparado com os resultados de regressão linear.
Downloads
Referências
ALVARES, C. A. et al. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, 22: 711-728, 2014.
BRAGA, A. P.; CARVALHO A. P. L. F.; LUDEMIR, T. B. Redes Neurais Artificiais: Teoria e Aplicações. Belo Horizonte, MG: LTC - Livros Técnicos e Científicos Editora S.A., 2000. 262 p.
BELCAVELLO, M. O. et al. Artificial neural networks in estimating the productivity of a forest harvesting machine. Journal of Engineering, 12: 52-58, 2022.
BURAGIENĖ, S. et al. Relationship between CO2 emissions and soil properties of differently tilled soils. Science of the Total Environment, 662: 786-795, 2019.
CHAPLOT, V. et al. Water erosion-induced CO2 emissions from tilled and no-tilled soils and sediments. Agriculture, Ecosystems & Environment, 159: 62-69, 2012.
DENG, L. et al. Soil GHG fluxes are altered by N deposition: New data indicate lower N stimulation of the N2O flux and greater stimulation of the calculated C pools. Global Change Biology, 26: 2613-2629, 2020.
DIAO, W. et al. Influences of soil bulk density and texture on estimation of surface soil moisture using spectral feature parameters and an artificial neural network algorithm. Agriculture, 11: 1- 20, 2021.
DING, D.; WANG, Z.; HAN, Q. L. Neural-network-based output-feedback control with stochastic communication protocols. Automatica, 106: 221-229, 2019.
DOWHOWER, S. L. et al. Soil greenhouse gas emissions as impacted by soil moisture and temperature under continuous and holistic planned grazing in native tallgrass prairie. Agriculture, Ecosystems & Environment, 287: 1-11, 2020.
EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária. Sistema brasileiro de classificação de solos. 5. ed. Brasília, DF: Embrapa Solos, 2018. 353 p.
FARINA, R. et al. Modeling regional soil C stocks and CO2 emissions under Mediterranean cropping systems and soil types. Agriculture, Ecosystems and Environment, 238: 128-141, 2017.
FERNANDES, M. M. H. et al. Estimation of soil organic matter content by modeling with artificial neural networks. Geoderma, 350: 46-51, 2019.
GOMES, L. C. et al. Modelagem e mapeamento dos estoques de carbono orgânico do solo no Brasil. Geoderma, 340: 337-350, 2019.
HAYKIN, S. Redes neurais: princípios e prática. 2. ed. Porto Alegre, RS, 2007. 900 p.
HUANG, Y. et al. Greenhouse gas emissions and crop yield in no-tillage systems: A meta-analysis. Agriculture, Ecosystems & Environment, 268: 144-153, 2018.
JEREMIAH, J. J. et al. Results of Application of Artificial Neural Networks in Predicting Geo-Mechanical Properties of Stabilised Clays - A Review. Geotechnics, 1: 147-171, 2021.
LACERDA, L. C. et al. Prediction of Mechanical Availability in Mechanized Eucalyptus Forest Harvesting Using Artificial Neural Networks. Journal of Agricultural Science, 14: 1-7, 2022.
LEAL, F. A. et al. Redes neurais artificiais na estimativa de volume em um plantio de eucalipto em função de fotografias hemisféricas e número de árvores. Revista Brasileira de Biometria, 33: 233-249, 2015.
LIMA, J. R. S. et al. Impacts of land-use changes on soil respiration in the semi-arid region of Brazil. Revista Brasileira de Ciência do Solo, 44: e0200092, 2020.
LIU, Y. et al. Emission mechanism and reduction countermeasures of agricultural greenhouse gases–a review. Greenhouse Gases: Science and Technology, 9: 160-174, 2019.
MARTÍN, J. R. et al. Assessment of the soil organic carbon stock in Spain. Geoderma, 264: 117-125, 2016.
MELAKU, N. D. et al. Predicting nitrous oxide emissions after the application of solid manure to grassland in the United Kingdom. Journal of Environmental Quality, 49: 1-13, 2020.
NAWAZ, A. et al. Rice–wheat cropping systems in South Asia: issues, options and opportunities. Crop and Pasture Science, 70: 395-427, 2019.
NIKOLENKO, O. et al. Dynamics of greenhouse gases in groundwater: hydrogeological and hydrogeochemical controls. Applied Geochemistry, 105: 31-44, 2019.
OERTEL, C. et al. Greenhouse gas emissions from soils - A review. Geochemistry, 76: 327-352, 2016.
RIAHI, K. et al. The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global Environmental Change, 42: 153-168, 2017.
RUTKOWSKA, B. et al. Impact of reduced tillage on CO2 emission from soil under maize cultivation. Soil and Tillage Research, 180: 21-28, 2018.
RUBIO, V. E.; DETTO, M. Spatiotemporal variability of soil respiration in a seasonal tropical forest. Ecology and Evolution, 7: 7104-7116, 2017.
SARKAR, T.; MISHRA, M. Soil erosion susceptibility mapping with the application of logistic regression and artificial neural network. Journal of Geovisualization and Spatial Analysis, 2: 1-17, 2018.
SHAKOOR, A. et al. A global meta-analysis of greenhouse gases emission and crop yield under no-tillage as compared to conventional tillage. Science of The Total Environment, 750: 1-16, 2021.
SILVA, B. O. et al. Soil CO2 emission and short-term soil pore class distribution after tillage operations. Soil and Tillage Research, 186: 224-232, 2019.
SILVA, F. R. D. et al. Physical properties of a Hapludox after three decades under different soil management systems. Revista Brasileira de Ciência do Solo, 40: e0140331, 2016.
THANGAVEL, R. et al. Evaluating organic carbon fractions, temperature sensitivity and artificial neural network modeling of CO2 efflux in soils: Impact of land use change in subtropical India (Meghalaya). Ecological Indicators, 93: 129-141, 2018.
VAZQUEZ, E. et al. Effects of no-tillage and liming amendment combination on soil carbon and nitrogen mineralization. European Journal of Soil Biology, 93: 103090, 2019.
VEDARAMAN, N. et al. Ultrasonic extraction of natural dye from Rubia Cordifolia, optimisation using response surface methodology (RSM) & comparison with artificial neural network (ANN) model and its dyeing properties on different substrates. Chemical Engineering and Processing: Process Intensification, 114: 46-54, 2017.
WANG, H. et al. No tillage increases soil organic carbon storage and decreases carbon dioxide emission in the crop residue-returned farming system. Journal of Environmental Management, 261: 1-7, 2020.
XAVIER, C. V. et al. Crop rotation and succession in a no-tillage system: implications for CO2 emission and soil attributes. Journal of Environmental Management, 245: 8-15, 2019.
YUSTE, J. C. et al. Cascading effects associated with climate-change-induced conifer mortality in mountain temperate forests result in hot-spots of soil CO2 emissions. Soil Biology and Biochemistry, 133: 50-59, 2019.
ZHANG, Y. et al. Spatial identification of land use functions and their tradeoffs/synergies in China: Implications for sustainable land management. Ecological Indicators, 107: 1-14, 2019.
ZHAO, R. et al. Impacts of water and land resources exploitation on agricultural carbon emissions: The water-land-energy-carbon nexus. Land Use Policy, 72: 480-492, 2018.
ZOU, J. et al. Differential responses of soil CO2 and N2O fluxes to experimental warming. Agricultural and Forest Meteorology, 259: 11-22, 2018.
Downloads
Publicado
Edição
Seção
Licença
Os Autores que publicam na Revista Caatinga concordam com os seguintes termos:
a) Os Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons do tipo atribuição CC-BY, para todo o conteúdo do periódico, exceto onde estiver identificado, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista, sem fins comerciais.
b) Os Autores têm autorização para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Os Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
