| |
|
|
| Registros recuperados : 503 | |
| 121. |  | PEREIRA, N. R.; CARVALHO JUNIOR, W. de; ZARONI, M. J.; MARTORANO, L. G.; SANTOS, H. G. dos; MARTINS, J. S. Principais fases de vegetação nos Latossolos brasileiros. In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 27., 1999, Brasília, DF. Resumos [...]. Planaltina, DF: Embrapa Cerrados, 1999. 1 CD-ROM.| Biblioteca(s): Embrapa Solos. |
|    |
| 125. | | CALDERANO FILHO, B.; BHERING, S. B.; CALDERANO, S. B.; CARVALHO JUNIOR, W. de; PEREIRA, N. R.; CHAGAS, C. da S. Potencial, atributos e variáveis condicionantes da fragilidade das terras de uma microbacia na Serra dos Órgãos, estado do Rio de Janeiro. Brazilian Journal of Animal and Environmental Research, v. 4, n. 4, p. 5792-5805, out./dez. 2021.| Biblioteca(s): Embrapa Solos. |
| |
| 128. | | CALDERANO FILHO, B.; BHERING, S. B.; CARVALHO JUNIOR, W. de; CALDERANO, S. B.; CHAGAS, C. da S.; POLIVANOV, H. Uso e cobertura vegetal das terras de áreas tropicais montanhosas da serra dos Órgãos, estado do Rio de Janeiro. Brazilian Journal of Animal and Environmental Research, v. 2, n. 4, p. 1273-1284, jul./set. 2019.| Biblioteca(s): Embrapa Solos. |
| |
| 130. | | PINHEIRO, H. S. K.; CARVALHO JUNIOR, W. de; CHAGAS, C. da S.; ANJOS, L. H. C. dos; OWENS, P. R. Using soil depth functions to distinguish dystric from xanthic ferralsols in the landscape. In: HARTEMINK, A. E.; MINASNY, B. (Ed.). Digital soil morphometrics. New York: Springer, 2016. pt. 3, cap. 19, p. 295-313.| Biblioteca(s): Embrapa Solos. |
|  |
| 131. | | CALDERANO FILHO, B.; BHERING, S. B.; CHAGAS, C. da S.; CARVALHO JUNIOR, W. de; CALDERANO, S. B.; POLIVANOV, H. Uso de geotecnologias na análise de paisagens montanhosas da Serra do Mar. In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 35., 2015, Natal. O solo e suas múltiplas funções: anais. Natal: Sociedade Brasileira de Ciência do Solo, 2015.| Biblioteca(s): Embrapa Solos. |
| |
| 139. | | CHAGAS, C. da S.; CARVALHO JUNIOR, W. de; ZARONI, M. J.; PEREIRA, N. R.; BHERING, S. B. Zoneamento pedoclimático do Rio Grande do Sul para a cultura da cana-de-açúcar. Rio de Janeiro: Embrapa Solos, 2000. 58 p. 1 CD-ROM. (Embrapa Solos. Documentos, 39). Acompanha 4 mapas, color. Mapa do zoneamento pedoclimático do Rio Grande do Sul para a cultura da cana-de-açúcar (açúcar), nível de manejo B; Mapa do zoneamento pedoclimático do Rio Grande do Sul para a cultura da cana-de-açúcar (açúcar),...| Biblioteca(s): Embrapa Solos. |
| |
| Registros recuperados : 503 | |
|
|
|
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. |
|
|
