ESTIMATIVAS DE ATRIBUTOS DE FÍSICOS E QUÍMICOS DE SOLO POR MEIO DE REDES NEURAIS ARTIFICIAIS

Autores

DOI:

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

Palavras-chave:

Inteligência artificial. Geoestatística. Agricultura de precisão. Manejo e conservação do solo.

Resumo

O estudo das propriedades físicas e químicas do solo é um procedimento de custo e tempo relativamente elevado. Na busca de alternativas para predizer esses atributos a partir de um número menor de amostras do solo, o uso de Redes Neurais Artificiais (RNA) tem sido apontado como uma técnica computacional com grande capacidade de resolver problemas por meio da experiência, e possuem a capacidade de aquisição e posterior aplicação deste conhecimento. Esse trabalho teve por objetivo utilizar a RNA para estimar os atributos físicos e químicos de solo. Os dados utilizados foram provenientes da análise física e química de solo, coletados em 120 pontos amostrais, os quais foram submetidos à análise descritiva, análise geoestatística, treinamento e análise das RNAs. Na análise geoestatística, para cada atributo do solo, foi verificado o modelo de semivariograma que apresentou melhor ajuste ao modelo experimental, e como método de interpolação foi usada técnica da krigagem ordinária. As RNAs foram treinadas, selecionadas considerando a assertividade no mapeamento dos padrões considerados e utilizadas na estimativa de todos dos atributos de solo. O erro médio de cada estimativa obtida pela técnica da krigagem ordinária foi comparado com o erro médio da estimativa obtida pela RNA e, posteriormente foram comparadas com os valores originais por meio do teste-t de Student. Os resultados mostram que a técnica de RNAs apresenta assertividade compatível à krigagem ordinária. O uso da técnica de RNA apresentou-se promissora para obter estimativas de atributos de solo empregando um número menor de amostras de solo.

Downloads

Não há dados estatísticos.

Biografia do Autor

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.

Referências

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

Publicado

28-05-2018

Edição

Seção

Engenharia Agrícola