| |
|
|
| Registros recuperados : 502 | |
| 11. |  | KER, J. C.; PEREIRA, N. R.; CARVALHO JUNIOR, W. de; CARVALHO FILHO, A. Cerrados: solos, aptidao e potencialidade agricola. In: SIMPOSIO SOBRE MANEJO E CONSERVACAO DO SOLO NO CERRADO, 1990, Goiania, GO. Anais. Campinas, SP : Fundacao Cargill, 1992. p.1-31.| Biblioteca(s): Embrapa Cerrados. |
|   |
| 19. | | EL YACOUBI, S.; FARGETTE, M.; FAYE, A.; CARVALHO JUNIOR, W. de; LIBOUREL, T.; LOIREAU, M. A multilayer perceptron model for the correlation between satellite data and soil vulnerability in the Ferlo, Senegal. International Journal of Parallel, Emergent and Distributed Systems, v. 34, n. 1, p. 3-12, 2019.| Biblioteca(s): Embrapa Solos. |
|  |
| Registros recuperados : 502 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
30/12/2014 |
|
Data da última atualização: |
08/11/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
CALDERANO FILHO, B.; POLIVANOV, H.; CHAGAS, C. da S.; CARVALHO JUNIOR, W. de; BARROSO, E. V.; GUERRA, A. J. T.; CALDERANO, S. B. |
|
Afiliação: |
BRAZ CALDERANO FILHO, CNPS; HELENA POLIVANOV, UFRJ; CESAR DA SILVA CHAGAS, CNPS; WALDIR DE CARVALHO JUNIOR, CNPS; EMÍLIO VELLOSO BARROSO, UFRJ; ANTÔNIO JOSÉ TEIXEIRA GUERRA, UFRJ; SEBASTIAO BARREIROS CALDERANO, CNPS. |
|
Título: |
Artificial neural networks applied for soil class prediction in mountainous landscape of the Serra do Mar. |
|
Ano de publicação: |
2014 |
|
Fonte/Imprenta: |
Revista Brasileira de Ciência do Solo, Viçosa, MG, v. 38, n. 6, p. 1681-1693, 2014. |
|
DOI: |
https://doi.org/10.1590/S0100-06832014000600003 |
|
Idioma: |
Inglês |
|
Conteúdo: |
A informação de solo é necessária para o gerenciamento do ambiente agrícola. O objetivo deste trabalho foi aplicar redes neurais artificiais (RNAs) para a predição de classes de solos, utilizando como fonte de dados produtos de sensores remotos orbitais, atributos do terreno derivados de um modelo digital de elevação e informação da geologia local, visando avaliar a utilização dessa abordagem no mapeamento digital de solos, em área com elevado grau de diversidade litológica na Serra do Mar. O simulador de redes neurais utilizado foi o JavaNNS e o algoritmo de aprendizado, o backpropagation. Para a predição das classes de solos, testaram-se diferentes combinações entre as variáveis discriminantes selecionadas: elevação, declividade, aspecto, curvatura, plano de curvatura, perfil de curvatura, índice topográfico, radiação solar, fator topográfico LS, informações da geologia local e índices minerais de argila, óxidos de ferro e vegetação por diferença normalizada (NDVI), derivados de uma imagem do sensor ETM+ do LANDSAT 7. Dos conjuntos testados, os melhores resultados foram obtidos com todas as variáveis discriminantes associadas às informações de geologia, alcançando exatidão global entre 93,2 e 95,6 % e índice Kappa entre 0,924 e 0,951 (conjunto 13). Excluindo a variável perfil de curvatura (conjunto 12), a exatidão global alcançada oscilou entre 93,9 e 95,4 % e o Kappa entre 0,932 e 0,948. Os mapas inferidos pelo classificador por redes neurais evidenciaram coerência e semelhança com o mapa de solos convencional, produzido para área de estudo, apresentando porém, mais detalhes espaciais. Os resultados apresentaram o potencial de utilização de RNAs na predição de classes de solos de áreas montanhosas com diversidade litológica. MenosA informação de solo é necessária para o gerenciamento do ambiente agrícola. O objetivo deste trabalho foi aplicar redes neurais artificiais (RNAs) para a predição de classes de solos, utilizando como fonte de dados produtos de sensores remotos orbitais, atributos do terreno derivados de um modelo digital de elevação e informação da geologia local, visando avaliar a utilização dessa abordagem no mapeamento digital de solos, em área com elevado grau de diversidade litológica na Serra do Mar. O simulador de redes neurais utilizado foi o JavaNNS e o algoritmo de aprendizado, o backpropagation. Para a predição das classes de solos, testaram-se diferentes combinações entre as variáveis discriminantes selecionadas: elevação, declividade, aspecto, curvatura, plano de curvatura, perfil de curvatura, índice topográfico, radiação solar, fator topográfico LS, informações da geologia local e índices minerais de argila, óxidos de ferro e vegetação por diferença normalizada (NDVI), derivados de uma imagem do sensor ETM+ do LANDSAT 7. Dos conjuntos testados, os melhores resultados foram obtidos com todas as variáveis discriminantes associadas às informações de geologia, alcançando exatidão global entre 93,2 e 95,6 % e índice Kappa entre 0,924 e 0,951 (conjunto 13). Excluindo a variável perfil de curvatura (conjunto 12), a exatidão global alcançada oscilou entre 93,9 e 95,4 % e o Kappa entre 0,932 e 0,948. Os mapas inferidos pelo classificador por redes neurais evidenciaram coerência e seme... Mostrar Tudo |
|
Palavras-Chave: |
Atributos do terreno; Mapeamento digital; Redes neurais artificiais. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/114660/1/V38N6a03-RBCS-BRAZ.pdf
|
|
Marc: |
LEADER 02637naa a2200241 a 4500
001 2003976
005 2021-11-08
008 2014 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1590/S0100-06832014000600003$2DOI
100 1 $aCALDERANO FILHO, B.
245 $aArtificial neural networks applied for soil class prediction in mountainous landscape of the Serra do Mar.$h[electronic resource]
260 $c2014
520 $aA informação de solo é necessária para o gerenciamento do ambiente agrícola. O objetivo deste trabalho foi aplicar redes neurais artificiais (RNAs) para a predição de classes de solos, utilizando como fonte de dados produtos de sensores remotos orbitais, atributos do terreno derivados de um modelo digital de elevação e informação da geologia local, visando avaliar a utilização dessa abordagem no mapeamento digital de solos, em área com elevado grau de diversidade litológica na Serra do Mar. O simulador de redes neurais utilizado foi o JavaNNS e o algoritmo de aprendizado, o backpropagation. Para a predição das classes de solos, testaram-se diferentes combinações entre as variáveis discriminantes selecionadas: elevação, declividade, aspecto, curvatura, plano de curvatura, perfil de curvatura, índice topográfico, radiação solar, fator topográfico LS, informações da geologia local e índices minerais de argila, óxidos de ferro e vegetação por diferença normalizada (NDVI), derivados de uma imagem do sensor ETM+ do LANDSAT 7. Dos conjuntos testados, os melhores resultados foram obtidos com todas as variáveis discriminantes associadas às informações de geologia, alcançando exatidão global entre 93,2 e 95,6 % e índice Kappa entre 0,924 e 0,951 (conjunto 13). Excluindo a variável perfil de curvatura (conjunto 12), a exatidão global alcançada oscilou entre 93,9 e 95,4 % e o Kappa entre 0,932 e 0,948. Os mapas inferidos pelo classificador por redes neurais evidenciaram coerência e semelhança com o mapa de solos convencional, produzido para área de estudo, apresentando porém, mais detalhes espaciais. Os resultados apresentaram o potencial de utilização de RNAs na predição de classes de solos de áreas montanhosas com diversidade litológica.
653 $aAtributos do terreno
653 $aMapeamento digital
653 $aRedes neurais artificiais
700 1 $aPOLIVANOV, H.
700 1 $aCHAGAS, C. da S.
700 1 $aCARVALHO JUNIOR, W. de
700 1 $aBARROSO, E. V.
700 1 $aGUERRA, A. J. T.
700 1 $aCALDERANO, S. B.
773 $tRevista Brasileira de Ciência do Solo, Viçosa, MG$gv. 38, n. 6, p. 1681-1693, 2014.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
