| |
|
|
| Registros recuperados : 500 | |
| 11. |  | CHAGAS, C. da S.; CARVALHO JUNIOR, W. de; PEREIRA, N. R.; FERNANDES FILHO, E. I. Aplicação de um sistema automatizado (ALES - Automated Land Evaluation System) na avaliação das terras das microrregiões de Chapecó e Xanxerê, Oeste Catarinense, para o cultivo de grãos. Revista Brasileira de Ciência do Solo, Viçosa, MG, v. 30, n. 3, p. 509-522, maio/jun. 2006.| Biblioteca(s): Embrapa Solos. |
|    |
| 14. | | 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. | | CARVALHO JUNIOR, W. de; LOIREAU, M.; FARGETTE, M.; CALDERANO FILHO, B.; WÉLÉ, A. Correlation between soil erodibility and satellite data on areas of current desertification: a case study in Senegal. Revista Ciência & Trópico, Recife, v. 41, n. 2, p. 51-66, 2017.| Biblioteca(s): Embrapa Solos. |
| |
| Registros recuperados : 500 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
21/07/2011 |
|
Data da última atualização: |
03/11/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
CHAGAS, C. da S.; CARVALHO JUNIOR, W. de; BHERING, S. B. |
|
Afiliação: |
CESAR DA SILVA CHAGAS, CNPS; WALDIR DE CARVALHO JUNIOR, CNPS; SILVIO BARGE BHERING, CNPS. |
|
Título: |
Integração de dados do Quickbird e atributos do terreno no mapeamento digital de solos por redes neurais artificiais. |
|
Ano de publicação: |
2011 |
|
Fonte/Imprenta: |
Revista Brasileira de Ciência do Solo, v. 35, n. 3, p. 693-704, jun. 2011. |
|
DOI: |
https://doi.org/10.1590/S0100-06832011000300004 |
|
Idioma: |
Português |
|
Conteúdo: |
No presente estudo, foi realizada uma avaliação de diferentes variáveis ambientais no mapeamento digital de solos em uma região no norte do Estado de Minas Gerais, utilizando redes neurais artificiais (RNA). Os atributos do terreno declividade e índice topográfico combinado (CTI), derivados de um modelo digital de elevação, três bandas do sensor Quickbird e um mapa de litologia foram combinados, e a importância de cada variável para discriminação das unidades de mapeamento foi avaliada. O simulador de redes neurais utilizado foi o "Java Neural Network Simulator", e o algoritmo de aprendizado, o "backpropagation". Para cada conjunto testado, foi selecionada uma RNA para a predição das unidades de mapeamento; os mapas gerados por esses conjuntos foram comparados com um mapa de solos produzido com o método convencional, para determinação da concordância entre as classificações. Essa comparação mostrou que o mapa produzido com o uso de todas as variáveis ambientais (declividade, índice CTI, bandas 1, 2 e 3 do Quickbird e litologia) obteve desempenho superior (67,4 % de concordância) ao dos mapas produzidos pelos demais conjuntos de variáveis. Das variáveis utilizadas, a declividade foi a que contribuiu com maior peso, pois, quando suprimida da análise, os resultados da concordância foram os mais baixos (33,7 %). Os resultados demonstraram que a abordagem utilizada pode contribuir para superar alguns dos problemas do mapeamento de solos no Brasil, especialmente em escalas maiores que 1:25.000, tornando sua execução mais rápida e mais barata, sobretudo se houver disponibilidade de dados de sensores remotos de alta resolução espacial a custos mais baixos e facilidade de obtenção dos atributos do terreno nos sistemas de informação geográfica (SIG). MenosNo presente estudo, foi realizada uma avaliação de diferentes variáveis ambientais no mapeamento digital de solos em uma região no norte do Estado de Minas Gerais, utilizando redes neurais artificiais (RNA). Os atributos do terreno declividade e índice topográfico combinado (CTI), derivados de um modelo digital de elevação, três bandas do sensor Quickbird e um mapa de litologia foram combinados, e a importância de cada variável para discriminação das unidades de mapeamento foi avaliada. O simulador de redes neurais utilizado foi o "Java Neural Network Simulator", e o algoritmo de aprendizado, o "backpropagation". Para cada conjunto testado, foi selecionada uma RNA para a predição das unidades de mapeamento; os mapas gerados por esses conjuntos foram comparados com um mapa de solos produzido com o método convencional, para determinação da concordância entre as classificações. Essa comparação mostrou que o mapa produzido com o uso de todas as variáveis ambientais (declividade, índice CTI, bandas 1, 2 e 3 do Quickbird e litologia) obteve desempenho superior (67,4 % de concordância) ao dos mapas produzidos pelos demais conjuntos de variáveis. Das variáveis utilizadas, a declividade foi a que contribuiu com maior peso, pois, quando suprimida da análise, os resultados da concordância foram os mais baixos (33,7 %). Os resultados demonstraram que a abordagem utilizada pode contribuir para superar alguns dos problemas do mapeamento de solos no Brasil, especialmente em escalas maiores... Mostrar Tudo |
|
Palavras-Chave: |
Geomorfometria; Inteligência artificial; Mapeamento de solos; Sensores remotos. |
|
Thesagro: |
Pedologia. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/38261/1/Cesar-R-Bras-CSolo-V35n3a04.pdf
|
|
Marc: |
LEADER 02560naa a2200217 a 4500
001 1896529
005 2021-11-03
008 2011 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1590/S0100-06832011000300004$2DOI
100 1 $aCHAGAS, C. da S.
245 $aIntegração de dados do Quickbird e atributos do terreno no mapeamento digital de solos por redes neurais artificiais.$h[electronic resource]
260 $c2011
520 $aNo presente estudo, foi realizada uma avaliação de diferentes variáveis ambientais no mapeamento digital de solos em uma região no norte do Estado de Minas Gerais, utilizando redes neurais artificiais (RNA). Os atributos do terreno declividade e índice topográfico combinado (CTI), derivados de um modelo digital de elevação, três bandas do sensor Quickbird e um mapa de litologia foram combinados, e a importância de cada variável para discriminação das unidades de mapeamento foi avaliada. O simulador de redes neurais utilizado foi o "Java Neural Network Simulator", e o algoritmo de aprendizado, o "backpropagation". Para cada conjunto testado, foi selecionada uma RNA para a predição das unidades de mapeamento; os mapas gerados por esses conjuntos foram comparados com um mapa de solos produzido com o método convencional, para determinação da concordância entre as classificações. Essa comparação mostrou que o mapa produzido com o uso de todas as variáveis ambientais (declividade, índice CTI, bandas 1, 2 e 3 do Quickbird e litologia) obteve desempenho superior (67,4 % de concordância) ao dos mapas produzidos pelos demais conjuntos de variáveis. Das variáveis utilizadas, a declividade foi a que contribuiu com maior peso, pois, quando suprimida da análise, os resultados da concordância foram os mais baixos (33,7 %). Os resultados demonstraram que a abordagem utilizada pode contribuir para superar alguns dos problemas do mapeamento de solos no Brasil, especialmente em escalas maiores que 1:25.000, tornando sua execução mais rápida e mais barata, sobretudo se houver disponibilidade de dados de sensores remotos de alta resolução espacial a custos mais baixos e facilidade de obtenção dos atributos do terreno nos sistemas de informação geográfica (SIG).
650 $aPedologia
653 $aGeomorfometria
653 $aInteligência artificial
653 $aMapeamento de solos
653 $aSensores remotos
700 1 $aCARVALHO JUNIOR, W. de
700 1 $aBHERING, S. B.
773 $tRevista Brasileira de Ciência do Solo$gv. 35, n. 3, p. 693-704, jun. 2011.
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. |
|
|
