| |
|
|
| Registros recuperados : 71 | |
| 41. |  | PAIVA, A. de Q.; SOUSA, D. V. de; FERNANDES FILHO, E. I.; SOUZA, L. da S.; SCHAEFER, C. E. G. R.; COSTA, L. M. da; SOUZA, L. D. Análise temporal do uso da terra com imagens de satélite em áreas com vegetação nativa no platô de Irecê-Ba. In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 32., 2009, Fortaleza. O solo e a produção de bioenergia: perspectivas e desafios: anais. Fortaleza: SBCS: UFC, 2009. 1 CD-ROM. Trabalho 2307.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
|    |
| 42. | | CUNHA, A. de M.; LANI, J. L.; SANTOS, G. R. dos; FERNANDES FILHO, E. I.; TRINDADE, F. S.; SOUZA, E. de. Espacialização da precipitação pluvial por meio de krigagem e cokrigagem. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 48, n. 9, p. 1179-1191, set. 2013. Título em português: Rainfall spatialization by kriging and cokriging.| Biblioteca(s): Embrapa Unidades Centrais. |
|  |
| 43. | | SOUZA, E. de; FERNANDES FILHO, E. I.; CHAGAS, C. da S.; SCHAEFER, C. E. G. R.; KER, J. C.; VIEIRA, C. A. O.; SIMAS, F. N. B. Classificação superviosionada de solos por redes neurais artificiais na Serra do Cipó - MG. In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 33., 2011, Uberlândia. Solos nos biomas brasileiros: sustentabilidade e mudanças climáticas: anais. [Uberlândia]: SBCS: UFU, ICIAG, 2011. 1 CD-ROM.| Biblioteca(s): Embrapa Solos. |
| |
| 44. | | FERREIRA, W. P. M.; RUFINO, J. L. dos S.; RIBEIRO, M.; FERNANDES FILHO, E. I.; BARBOSA, T. K. M.; FERREIRA, G. R. O clima para a cafeicultura na região das Matas de Minas. CAMPO & NEGÓCIOS, n, 159, p. 74-75, 2016.| Biblioteca(s): Embrapa Café. |
| |
| 45. | | CARVALHO JUNIOR, W. de; FERNANDES FILHO, E. I.; VIEIRA, C. A. O.; SCHAEFER, C. E. G. R.; CHAGAS, C. da S. Geomorphometric attributes applied to soil-landscapes supervised classification of mountainous tropical areas in Brazil: a case study. In: HARTEMINK, A. E.; McBRATNEY, A.; MENDONÇA-SANTOS, M. de L. (ed.). Digital soil mapping with limited data. Dordrecht: Springer, 2008. cap. 32, p. 357-365.| Biblioteca(s): Embrapa Solos. |
| |
| 46. | | MENDONÇA, B. A. F. de; SCHAEFER, C. E. G. R.; FERNANDES-FILHO, E. I.; SIMAS, F. N. B.; AMARAL, E. F. do. Genesis and micropedology of soils at Serra do Divisor and Moa river floodplain, northwestern Acre, Brazilian Amazonia. Revista Brasileira de Ciência do Solo, v. 44, e0200038, 2020.| Biblioteca(s): Embrapa Acre. |
| |
| 47. | | WADT, P. G. S.; FERNANDES FILHO, E. I.; NOVAIS, R. F. de; ALVAREZ. V. V. H.; BARROS, N. F. de; FONSECA, S. da. Floresta 1.0: software para avaliação do estado nutricional de sitios florestais. IN: CONGRESSO BRASILEIRO DE CIÊNÇIA DO SOLO, 25., 1995, Viçosa, MG. Resumos expandidos. Viçosa: UFV, 1995. v.3, p. 1314-1316.| Biblioteca(s): Embrapa Tabuleiros Costeiros. |
| |
| 48. | | AMARAL, J. F. T. do; MARTINEZ, H. E. P.; LAVIOLA, B. G.; TOMAZ, M. A.; FERNANDES FILHO, E. I.; CRUZ, C. D. Produtividade e eficiência de uso de nutrientes por cultivares de cafeeiro. Coffee Science, Lavras, v. 6, n. 1, p. 65-74, jan./abr. 2011.| Biblioteca(s): Embrapa Agroenergia. |
| |
| 49. | | WADT, P. G. S.; NOVAIS, R. F. de; BARROS, N. F. de; ALVAREZ. V.; V. H.; FONSECA, S. de; FERNANDES FILHO, E. I. Avaliação da nutrição nitrogenada de hibridos de Eucalyptus grandis x E. urophylla em plantios da ARACRUZ CELULOSE S.A. pelo metodo da chance matemática. IN: CONGRESSO BRASILEIRO DE CIÊNÇIA DO SOLO, 25., 1995, Viçosa, MG. Resumos expandidos. Viçosa: UFV, 1995. v.3, p. 1320-1322.| Biblioteca(s): Embrapa Tabuleiros Costeiros. |
| |
| 50. | | CHAGAS, C. da S.; FERNANDES FILHO, E. I.; ROCHA, M. F. da; CARVALHO JUNIOR, W. de; SOUSA NETO, N. C. de. Avaliação de modelos digitais de elevação para aplicação em um mapeamento digital de solos. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 14, n. 2, p. 218-226, 2010.| Biblioteca(s): Embrapa Solos. |
| |
| 52. | | CARVALHO JUNIOR, W. de; CHAGAS, C. da S.; FERNANDES FILHO, E. I.; VIEIRA, C. A. O.; SCHAEFER, C. E. G.; BHERING, S. B.; FRANCELINO, M. R. Digital soilscape mapping of tropical hillslope areas by neural networks. Scientia Agricola, Piracicaba, v. 68, n. 6, p. 691-696, Nov./Dec. 2011.| Biblioteca(s): Embrapa Solos. |
| |
| 53. | | JACOVINE, L. A. G.; CORRÊS, J. B. L.; SILVA, M. L. da; VALVERDE, S. R.; FERNANDES FILHO, E. I.; COELHO, F. M. G.; PAIVA, H. N. de. Quantificação das áreas de preservação permanente e de reserva legal em propriedades da bacia do Rio Pomba-MG. Revista Árvore, Viçosa, v. 32, n. 2, p. 269-278, mar./abr. 2008.| Biblioteca(s): Embrapa Florestas. |
| |
| 55. | | MACHADO, M. L.; VIEIRA, T. G. C.; ALVES, H. M. R.; LACERDA, M. P. C.; ANDRADE, H.; FERNANDES FILHO, E. I. Sensoriamento remoto e sistema de informações geográficas para mapeamento de áreas de café na Zona da Mata de Minas Gerais. In: SIMPÓSIO DE PESQUISA DOS CAFÉS DO BRASIL, 3., 2003, Porto Seguro. Resumos... Brasília, DF: Embrapa Café, 2003.| Biblioteca(s): Embrapa Café. |
| |
| 56. | | FRANCO, F. S.; COUTO, L.; CARVALHO, A. F. de; JUCKSCH, I.; FERNANDES FILHO, E. I.; SILVA, E.; MEIRA NETO, J. A. A. Quantificação de erosão em sistemas agroflorestais e convencionais na Zona da Mata de Minas Gerais. Revista Árvore, Viçosa, v. 26, n. 6, p. 751-760, nov./dez. 2002.| Biblioteca(s): Embrapa Florestas. |
| |
| 57. | | RIVA, R. D. D.; LIMA, D. C.; FERNANDES FILHO, E. I.; COSTA, L. M.; VIANA, J. H. M.; SILVA, C. H. C.; NUNES, D. F. Sistemas binários de esferas de vidro e fração de areia de um solo tropical: modelagem de densidade. In: CONGRESSO BRASILEIRO DE MECÂNICA DOS SOLOS E ENGENHARIA GEOTÉCNICA, 15.; CONGRESSO LUSO BRASILEIRO DE GEOTECNIA, 5.; SIMPÓSIO BRASILEIRO DE JOVENS GEOTÉCNICOS, 4.; SIMPÓSIO BRASILEIRO DE MECÂNICA DAS ROCHAS, 5., 2010, Gramado. Engenharia geotécnica para o desenvolvimento: inovação e sustentabilidade. Gramado: ABMS, 2010. 1 CD-ROM. COBRAMSEG 2010.| Biblioteca(s): Embrapa Milho e Sorgo. |
| |
| 58. | | MENDONÇA, B. A. F. de; FERNANDES FILHO, E. I.; SCHAEFER, C. E. G. R.; SIMAS, F. N. B.; PAULA, M. D. de. Os solos das campinaranas na Amazônia brasileira: ecossistemas arenícolas oligotróficos. Ciência Florestal, Santa Maria, v. 25, n. 4, p. 827-839, out./dez. 2015.| Biblioteca(s): Embrapa Florestas. |
| |
| 59. | | NASCIMENTO, M. C.; RIVA, R. D. D.; CHAGAS, C. da S.; OLIVEIRA, H. de; DIAS, L. E.; FERNANDES FILHO, E. I.; SOARES, V. P. Uso de imagens do sensor ASTER na identificação de níveis de degradação em pastagens. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 10, n. 1, p. 196-202, jan./mar. 2006.| Biblioteca(s): Embrapa Algodão; Embrapa Solos. |
| |
| 60. | | PINHEIRO, H. S. K.; BARBOSA, T. P. R.; ANTUNES, M. A. H.; CARVALHO, D. C. de; NUMMER, A. R.; CARVALHO JUNIOR, W. de; CHAGAS, C. da S.; FERNANDES-FILHO, E. I.; PEREIRA, M. G. Assessment of phytoecological variability by red-edge spectral indices and soil-landscape relationships. Remote Sensing, v. 11, n. 20, 2448, 2019.| Biblioteca(s): Embrapa Solos. |
| |
| Registros recuperados : 71 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
20/08/2020 |
|
Data da última atualização: |
21/08/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
CARVALHO JUNIOR, W. de; PEREIRA, N. R.; FERNANDES FILHO, E. I.; CALDERANO FILHO, B.; PINHEIRO, H. S. K.; CHAGAS, C. da S.; BHERING, S. B.; PEREIRA, V. R.; LAWALL, S. |
|
Afiliação: |
WALDIR DE CARVALHO JUNIOR, CNPS; NILSON RENDEIRO PEREIRA, CNPS; ELPIDIO INACIO FERNANDES FILHO, UFV; BRAZ CALDERANO FILHO, CNPS; HELENA SARAIVA KOENOW PINHEIRO, UFRRJ; CESAR DA SILVA CHAGAS, CNPS; SILVIO BARGE BHERING, CNPS; VINICIUS RENDEIRO PEREIRA, UFRRJ; SARA LAWALL, UFRRJ. |
|
Título: |
Sample design effects on soil unit prediction with machine: randomness, uncertainty, and majority map. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Revista Brasileira de Ciência do Solo, v. 44, e0190120, 2020. |
|
DOI: |
https://doi.org/10.36783/18069657rbcs2019 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Notwithstanding the importance of soil surveys, advances in digital soil mapping have mainly focused on mapping soil attributes or properties rather than developing digital maps of soil units or soil classes. The purpose of this research was to develop digital soil unit maps based on primary soil data collection in areas without previously collected soil information. The covariate variability, the random effect across the data subset and the map outputs were the focuses of this study. We used five datasets with four models (Random Forest - RF, Gradient Boosted Machine - GBM, C5.0, and multinomial log-linear model - MLR). The covariates were grouped into five datasets, where four were grouped by Region Of Interest per Class (ROIC) and one was not grouped by ROIC. To evaluate the random effect to split the dataset, we ran each model 50 times and observed the overall accuracy (OA) and kappa index, and uncertainty, majority and variety maps. The OA of Dataset01 to 04 was lower than to Dataset05 accuracy. However, map outputs of RF and GBM for Dataset01 and Dataset05 had the same majority prediction. It seems that RF and GBM produce consistent results in map outputs according to this methodology and pedologist expertise. To evaluate the uncertainty and the consistency of soil unit prediction, we used the majority maps process. Random Forest, similar to GBM, presented the best results. The increase in the number of covariates was not a guarantee of improvement in the OA or in the quality of the map output. Geographic position and distance raster did not improve the map output according to expert evaluation. Because the variance between the ROICs, when the training and validation datasets were split based on it, the subsets are quite different in relation to the covariates, and this is the reason for the worse results of this model, comparing with the Dataset05. On the other hand, when considering one complete dataset not based on ROICs, the variance of training and validation subsets is lower and produced more accurate parameters of quality. MenosNotwithstanding the importance of soil surveys, advances in digital soil mapping have mainly focused on mapping soil attributes or properties rather than developing digital maps of soil units or soil classes. The purpose of this research was to develop digital soil unit maps based on primary soil data collection in areas without previously collected soil information. The covariate variability, the random effect across the data subset and the map outputs were the focuses of this study. We used five datasets with four models (Random Forest - RF, Gradient Boosted Machine - GBM, C5.0, and multinomial log-linear model - MLR). The covariates were grouped into five datasets, where four were grouped by Region Of Interest per Class (ROIC) and one was not grouped by ROIC. To evaluate the random effect to split the dataset, we ran each model 50 times and observed the overall accuracy (OA) and kappa index, and uncertainty, majority and variety maps. The OA of Dataset01 to 04 was lower than to Dataset05 accuracy. However, map outputs of RF and GBM for Dataset01 and Dataset05 had the same majority prediction. It seems that RF and GBM produce consistent results in map outputs according to this methodology and pedologist expertise. To evaluate the uncertainty and the consistency of soil unit prediction, we used the majority maps process. Random Forest, similar to GBM, presented the best results. The increase in the number of covariates was not a guarantee of improvement in the OA or in the ... Mostrar Tudo |
|
Palavras-Chave: |
Hillslope areas; Mapeamento digital de solos; Random forest; Tree learners models. |
|
Thesagro: |
Mapa; Solo. |
|
Thesaurus NAL: |
Soil map. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/215441/1/Sample-design-effects-on-soil-unit-prediction-with-machine-2020.pdf
|
|
Marc: |
LEADER 03027naa a2200313 a 4500
001 2124458
005 2020-08-21
008 2020 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.36783/18069657rbcs2019$2DOI
100 1 $aCARVALHO JUNIOR, W. de
245 $aSample design effects on soil unit prediction with machine$brandomness, uncertainty, and majority map.$h[electronic resource]
260 $c2020
520 $aNotwithstanding the importance of soil surveys, advances in digital soil mapping have mainly focused on mapping soil attributes or properties rather than developing digital maps of soil units or soil classes. The purpose of this research was to develop digital soil unit maps based on primary soil data collection in areas without previously collected soil information. The covariate variability, the random effect across the data subset and the map outputs were the focuses of this study. We used five datasets with four models (Random Forest - RF, Gradient Boosted Machine - GBM, C5.0, and multinomial log-linear model - MLR). The covariates were grouped into five datasets, where four were grouped by Region Of Interest per Class (ROIC) and one was not grouped by ROIC. To evaluate the random effect to split the dataset, we ran each model 50 times and observed the overall accuracy (OA) and kappa index, and uncertainty, majority and variety maps. The OA of Dataset01 to 04 was lower than to Dataset05 accuracy. However, map outputs of RF and GBM for Dataset01 and Dataset05 had the same majority prediction. It seems that RF and GBM produce consistent results in map outputs according to this methodology and pedologist expertise. To evaluate the uncertainty and the consistency of soil unit prediction, we used the majority maps process. Random Forest, similar to GBM, presented the best results. The increase in the number of covariates was not a guarantee of improvement in the OA or in the quality of the map output. Geographic position and distance raster did not improve the map output according to expert evaluation. Because the variance between the ROICs, when the training and validation datasets were split based on it, the subsets are quite different in relation to the covariates, and this is the reason for the worse results of this model, comparing with the Dataset05. On the other hand, when considering one complete dataset not based on ROICs, the variance of training and validation subsets is lower and produced more accurate parameters of quality.
650 $aSoil map
650 $aMapa
650 $aSolo
653 $aHillslope areas
653 $aMapeamento digital de solos
653 $aRandom forest
653 $aTree learners models
700 1 $aPEREIRA, N. R.
700 1 $aFERNANDES FILHO, E. I.
700 1 $aCALDERANO FILHO, B.
700 1 $aPINHEIRO, H. S. K.
700 1 $aCHAGAS, C. da S.
700 1 $aBHERING, S. B.
700 1 $aPEREIRA, V. R.
700 1 $aLAWALL, S.
773 $tRevista Brasileira de Ciência do Solo$gv. 44, e0190120, 2020.
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. |
|
|
