Representação em malhas 3d a partir de dados de textura do solo interpolados mediante rede neural artificial: estudo de caso Fescon - Ponta Grossa– PR
Título del documento: Representação em malhas 3d a partir de dados de textura do solo interpolados mediante rede neural artificial: estudo de caso Fescon - Ponta Grossa– PR
Revue: Geo UERJ
Base de datos: CLASE
Número de sistema: 000437896
ISSN: 1981-9021
Autores: 1
1
1
Instituciones: 1Universidade Estadual de Ponta Grossa, Ponta Grossa, Parana. Brasil
Año:
Número: 28
Paginación: 410-429
País: Brasil
Idioma: Portugués
Tipo de documento: Artículo
Enfoque: Analítico, descriptivo
Resumen en inglés The physical properties of the soil have great impact on their behavior, and these characteristics result in classification of the profile and soil suitability. In the case of Precision Agriculture is important to identify in the soil particle size space distribution or texture. Thus, from granulometric georeferenced data (sand, silt and clay) soils collected from a farmland Farm School Capão-da-Onça (FESCON Ponta Grossa - PR), was performed interpolation using Radial Basis Function (RBF) and supervised training for Artificial Neural Network (ANN), comparing the results obtained on a 3D model in order to verify the performance of the RNA used. It was found that especially the representations of RNA with the sand attribute was smoothed when interpolated the granulometric data in realation to RBF. The attributes clain and silt had some variations between ANN and RBF, it doesn’t always smoothed
Resumen en portugués As propriedades físicas do solo possuem grande impacto em seu comportamento, e estas características resultam na classificação do perfil e aptidão do solo. Em se tratando de Agricultura de Precisão, é importante identificar no solo sua distribuição espacial granulométrica ou textura. Desta forma, a partir de dados granulométricos georreferenciados (areia, silte e argila) coletados de solos de uma gleba da Fazenda Escola Capão-da-Onça (FESCON Ponta Grossa - PR), foi realizada a interpolação, utilizando Função de Base Radial (RBF) e treinamento supervisionado por Rede Neural Artificial (RNA), comparando os resultados obtidos em um modelo 3D, a fim de verificar o desempenho da RNA utilizada. Verificou-se principalmente que as representações da RNA com o atributo areia foi suavizada quando interpolado os dados granulométricos em relação ao RBF. Já os atributos argila e silte ocorreu algumas variações entre RNA e RBF, não suavizando sempre
Disciplinas: Geografía,
Agrociencias
Palabras clave: Geografía física,
Suelos,
Textura,
Redes neuronales artificiales,
Tercera dimensión,
Ponta Grossa,
Paraná,
Brasil
Texte intégral: Texto completo (Ver HTML)