ESTIMATION OF PHYSICAL AND CHEMICAL SOIL PROPERTIES BY ARTIFICIAL NEURAL NETWORKS

Authors

DOI:

https://doi.org/10.1590/1983-21252018v31n320rc

Keywords:

Artificial intelligence. Geostatistics. Precision agriculture. Soil management and conservation.

Abstract

Soil physical and chemical analyses are relatively high-cost and time-consuming procedures. In the search for alternatives to predict these properties from a reduced number of soil samples, the use of Artificial Neural Networks (ANN) has been pointed out as a great computational technique to solve this problem by means of experience. This tool also has the ability to acquire knowledge and then apply it. This study aimed at using ANNs to estimate the physical and chemical properties of soil. The data came from the physical and chemical analysis of 120 sampling points, which were submitted to descriptive analysis, geostatistical analysis, and ANNs training and analysis. In the geostatistical analysis, the semivariogram model that best fitted the experimental variogram was verified for each soil property, and the ordinary kriging was used as an interpolation method. The ANNs were trained and selected based on their assertiveness in the mapping of considered standards, and then used to estimate all soil properties. The mean errors of ordinary kriging estimates were compared to those of ANNs and then compared to the original values using Student's t-Test. The results showed that the ANN had an assertiveness compatible with ordinary kriging. Therefore, such technique is a promising tool to estimate soil properties using a reduced number of soil samples.

Downloads

Download data is not yet available.

Author Biographies

Roberto Dib Bittar, Agricultural Engineering Sector, Universidade Estadual de Goiás, Anápolis, GO

Mestre em Engenharia Agrícola (2016) pela UEG - área de concentração: Engenharia de Sistemas Agroindustriais Concluiu em 2011 Pós graduação Latu sensu pela Faculdade Anhanguera de Anápolis em Didática e Metodologia do Ensino Superior e em 2013 Pós graduação Latu Sensu em Metodologias e Gestão para Educação a Distância, instituição onde também atua como professor. Possui graduação de Bacharel Em Ciências Contábeis pela Faculdade de Ciências Econômicas de Anápolis (1996) e graduação em Tecnólogo Em Processamento de Dados pela Faculdade de Ciências Econômicas de Anápolis (1992). Pós graduação em : Análise, Elaboração e Avaliação de Projetos (1995) e Redes de Computadores (1999) ambas pela Universidade Estadual de Goiás onde é professor. Tem experiência na área de Administração, com ênfase em Sistemas de Informações e Ciências Contábeis.

Sueli Martins de Freitas Alves, Agricultural Engineering Sector, Universidade Estadual de Goiás, Anápolis, GO

Possui graduação em Engenharia Agronômica pela Universidade Federal de Goiás (1983), especialização em Estatística pela Universidade Federal de Goiás (1998), mestrado em Agronomia pela Universidade Federal de Goiás (1999), doutorado em Agronomia pela Universidade Federal de Goiás (2006) e pós­doutorado em engenharia agrícola pela Universidade Federal de Viçosa (2010). Professora da Universidade Estadual de Goiás desde 1999, com regime de dedicação exclusiva desde 2006. Ministra disciplina de estatística experimental no curso de graduação e no mestrado em engenharia agrícola. Orienta alunos de iniciação científica e dissertação de mestrado. Atua na área de planejamento de experimentos e análise de dados experimentais, geoestatística aplicada à agricultura de precisão e análise multivariada.Tem experiência na área administrativa da universidade como: coordenadora de curso, coordenadora pedagógica, coordenadora de avaliação institucional, coordenadora de gestão de pessoas, Pró­Reitora de Planejamento, Gestão e Finanças e presidente de diversas comissões.

Francisco Ramos de Melo, Agricultural Engineering Sector, Universidade Estadual de Goiás, Anápolis, GO

Doutor (2012) e Pós Doutor (2013) em Ciências pela Universidade Federal de Uberlândia e Mestre em Engenharia Elétrica e de Computação pela Universidade Federal de Goiás na linha de Inteligência Artificial. Em1992 concluiu o curso Superior em Tecnologia em Processamento de Dados pela Faculdade de Ciências Econômicas de Anápolis (Atual UEG). Especializou, no nível de pós graduação, em Redes de Computadores (UEG/USP) e em Didática e Metodologia do Ensino Superior (Anhanguera). Atuou por 30 anos como especialista na Força Aérea Brasileira. Como docente, atuou nas faculdades ALFA, Latino Americana, Anhanguera e UniEvangélica. Atua na UEG desde 1995 como docente de ensino superior na área de computação; Coordenador do curso de TPD 1997 a 1999; atua no Programa de mestrado da Engenharia Agrícola (PMEA) na linha de agricultura de precisão. Leciona disciplinas nas áreas de Programação, Inteligência Artificial, Teoria da Computação, Arquitetura de Sistemas de Computação, Processamento Digital de Imagens, Matemática computacional, Lógica Digital e Eletricidade e outras. Pesquisa o desenvolvimento de aplicações computacionais em áreas multidisciplinares nos seguintes temas: redes neurais artificiais, sistemas tutores inteligentes, Processamento digital de Imagens, Inteligência Artificial na Educação, Tecnologias computacionais aplicadas a agricultura e tecnologias assistivas. Tem interesse nos assuntos educacionais referentes a didática presencial e não presencial, Inclusão digital, bem como a relação da Informática e Educação.

References

ALVAREZ, V. H. et al. Interpretação dos resultados das análises de solo. In: RIBEIRO, A. C.; GUIMARÃES, P. T. G.; ALVAREZ, V. H. (Eds.). Recomendações para o uso de corretivos e fertilizantes em Minas Gerais - 5ª aproximação. Viçosa, MG: Comissão de Fertilidade do Solo do Estado de Minas Gerais, 1999. cap. 5, p. 25-32.

ANGELICO, J. C.; SILVA, I. N. Redes neurais artificiais aplicadas na estimativa da variabilidade de atributos do solo, SP. Revista Científica FACOL/ISEOL, São Paulo, v. 1, n. 1, p. 9-20, 2014.

BITTAR, R. D. Redes neurais artificiais aplicadas à modelagem da variabilidade espacial de atributos físico-químicos de solos do cerrado. 2016. 112 f. Dissertação (Mestrado em Engenharia Agrícola: Área de Concentração em Engenharia de Sistemas Agroindustriais) - Universidade Estadual de Goiás, Anápolis, 2016.

CALDERANO FILHO, B. et al . Artificial neural networks applied for soil class prediction in mountainous landscape of the Serra do Mar. Revista Brasileira de Ciências do Solo, Viçosa, v. 38, n. 6, p. 1681-1693, 2014.

CAMBARDELLA, C. A. et al. Field-scale variability of soil properties in central lowa soils. Soils Science Society of America Journal, Madison, v. 58, n. 5, p. 1501-1511, 1994.

DIAS, M. J. et al. Probabilidade de ocorrência dos atributos químicos em um latossolo sob plantio direto. Revista Caatinga, Mossoró, v. 28, n. 4, p. 181-189, 2015.

DONAGEMA, G. K. et al. Manual de métodos de análise de solos. 2. ed. Rio de Janeiro, RJ: Embrapa Solos, 2011. 230 p.

HAYKIN, S. S. Redes neurais: princípios e práticas. 2. ed. Porto Alegre, RS: Bookman, 2001. 900 p.

ISAAKS, E. H.; SRIVASTAVA, R. M. An introduction to applied geostatistics. New York: Oxford University Press, 1989. 561 p.

MONTANARI, R. et al. The use of scaled semivariograms to plan soil sampling in sugarcane fields. Precision Agriculture, Dordrecht, v. 13, n. 5, p. 542-552, 2012.

MOLIN J. P.; CASTRO C. N. Establishing management zones using soil electrical conductivity and other soil properties by the fuzzy clustering technique. Revista Scientia Agricola, Piracicaba, v. 65, n. 6, p. 567-573, 2008.

NOROUZI, M. et al. Predição da qualidade e quantidade do trigo de sequeiro utilizando rede neural artificial usando características de terreno e solo. Acta Agriculturae Scandinavica. Section B. Soil and Plant Science, Stockholm, v. 60, n. 4, p. 341-353. 2010.

OLIVEIRA, E. L. V.; FERNANDES, H. C.; TEIXEIRA, M. M. Variabilidade espacial das propriedades físicas de um latossolo amarelo eutrófico da região serrana do estado do Espírito Santo. Enciclopédia Biosfera, Goiânia. v. 7, n. 13, p. 1027-1042, 2011.

REIS, J. S. et al. Determinação de zonas de manejo para adubação nitrogenada em lavoura de tomate industrial. Revista Agrotecnologia, Anápolis, v. 4, n. 2, p. 68-84, 2013.

RUSSEL, S.; NORVIG, P. Inteligência artificial. 3. ed. Rio de Janeiro, RJ: Campus, 2013. 1016 p.

SANTOS, H. G. et al. Sistema Brasileiro de Classificação de Solos. 3. ed. Brasília, DF: Embrapa, 2013b. 353 p.

SANTOS, M. C. N. et al. Spatial Continuity of soil attributs in na Atlantic Forest remmant in the Mantiqueira Range, MG. Ciência Agrotecnologia, Lavras, v. 37, n. 1, p. 68-77, 2013a.

SEIDEL, E. J.; OLIVEIRA M. S. Proposta de um teste de hipótese para existência de dependência espacial em dados geoestatísticos. Boletim de Ciências Geodésicas, Curitiba, v. 20, n. 4, p. 750-764, 2014.

SILVA NETO, S. P. et al. Variabilidade espacial da biomassa da forragem e taxa de lotação animal em pastagem de capim Marandu. Revista Agrogeoambiental, Pouso Alegre, v. 8, n. 2, p. 119-130, 2016.

SOUZA, Z. M. et al. Número de amostras na análise geoestatística e na krigagem de mapas de atributos do solo. Ciência Rural, Santa Maria, v. 44, n. 2, p. 261-268, 2014.

YAMAMOTO, J. K.; LANDIM, P. M. B. Geoestatística: conceitos e aplicações. 1. ed. São Paulo, SP: Oficina de Textos, 2013. 215 p.

WARRICK, A. W.; NIELSEN, D. R. Spatial variability of soil physical in the field. In: HILLEL, D. (Ed.). Applications of soil physics. New York: Academic Press, 1980. cap. 13, p. 319-344.

Downloads

Published

28-05-2018

Issue

Vol. 31 No. 3 (2018)

Section

Agricultural Engineering

License

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).