Une approche innovante basée sur les réseaux de neurones pour prédire la variabilité des paramètres du sol

Autor: Lahoche, F., Godard, Caroline, Fourty, T., Lelandais, V., Lepoutre, Damien
Přispěvatelé: Inconnu, Economie Publique (ECO-PUB), Institut National de la Recherche Agronomique (INRA)-Institut National Agronomique Paris-Grignon (INA P-G), ProdInra, Migration
Jazyk: angličtina
Rok vydání: 2002
Předmět:
Zdroj: 6. International conference on Precision agriculture and other precision resources management
6. International conference on Precision agriculture and other precision resources management, Jul 2002, Minneapolis, United States
Popis: International audience; L'article rapporte le développement de méthodes peu onéreuses et non destructives pour caractériser la variabilité spatiale de paramètres pédologiques. La faisabilité de l'utilisation couplée de capteurs à induction électromagnétique (EMI) (Geonics EM38), de GPS RTK à haute résolution et de données radiométriques de surface pour cartographier la variabilité spatiale intra-parcellaire du sol a été étudiée. Les mesures d'EMI ont été prises en continu à deux profondeurs, sur une maille de 5 mètres. Les auteurs ont utilisé ces données pour étudier la possibilité de prédire les propriétés du sol. Ils ont testé deux types de modèles : la régression linéaire et un réseau de neurones artificiel. Chaque type de modèle prédictif a été ajusté sur des données de calibrage puis appliqué à des données de validation. Les réseaux de neurones, adaptés à ce problème, montrent de bons résultats pour la prédiction des paramètres de texture, de la teneur en composés chimiques (CaO, K2O) et en matière organique et du pH. Les coefficients de corrélation entre les variables prédites et observées varient entre 0,7 et 0,9. Ils sont meilleurs que ceux obtenus avec une régression linéaire à un seul jeu de données. Finalement, on génère des cartes à haute résolution spatiale des propriétés des sols.
Databáze: OpenAIRE
Externí odkaz: