Analysis of the physical recovery of degraded soils via Artificial Neural Networks using a graphical interface

Autor: Chitero, José Guilherme Marques, Bonini Neto, Alfredo, Bonini, Carolina dos Santos Batista, Heinrichs, Reges, Soares Filho, Cecílio Viega, Mateus, Gustavo Pavan, Bisi, Beatriz Santos, Costa, Nídia Raquel, Piazentin, Jhonatan Cabrera, Meirelles, Guilherme Constantino, Gabriel Filho, Luís Roberto Almeida
Jazyk: angličtina
Rok vydání: 2020
Předmět:
Zdroj: Research, Society and Development, Vol 9, Iss 7, Pp e257973719-e257973719 (2020)
Research, Society and Development; Vol. 9 No. 7; e257973719
Research, Society and Development; Vol. 9 Núm. 7; e257973719
Research, Society and Development; v. 9 n. 7; e257973719
Research, Society and Development
Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
ISSN: 2525-3409
Popis: Proper soil management techniques are essential to keep the soil healthy and without degradation. When this is not possible, this soil must be recovered, taking into account the attributes of the soil and its regenerative power, with this, several techniques are being used. In this context, this work aims to develop an interactive program (analyze and classify) using Artificial Neural Networks (ANN) to estimate soil recovery levels (recovered (R), partially recovered (PR) and not recovered (NR) as a function of physical attributes. The experiment was carried out at the São Paulo Agribusiness Technology Agency - APTA do Extremo Oeste, in Andradina / SP from 2015 to 2017, in soil classified as Ultisol cultivated with Urochloa pasture, with different ways of introducing Estilosantes cv. Campo Grande. The soil attributes studied were: soil density, soil porosity, mechanical resistance to penetration, water infiltration in the soil and weighted average diameter in the soil layers: 0-10; 0.10-0.20 and 0.20-0.40 m The program was developed in the MATLAB environment and the simulation was performed using a graphical interface. and work was the multilayer Perceptron (MLP). It was found that the network achieved adequate training, with a low mean square error, which could generate an interesting and automatic alternative for the classification and analysis of recovering soils. The results were printed on a self-explanatory graphical interface, with graphs and metadata of the physical indexes and their classifications regarding ANN. Las técnicas adecuadas de manejo del suelo son esenciales para mantener el suelo sano y sin degradación. Cuando esto no es posible, este suelo debe recuperarse, teniendo en cuenta los atributos del suelo y su poder regenerativo, con esto, se están utilizando várias técnicas. En este contexto, este trabajo tiene como objetivo desarrollar un programa interactivo (analizar y clasificar) utilizando Redes Neuronales Artificiales (ANN) para estimar los niveles de recuperación del suelo (recuperado (R), parcialmente recuperado (PR) y no recuperado (NR) en función de los atributos físicos. El experimento se llevó a cabo en la Agencia de Tecnología de Agronegocios de São Paulo - APTA do Extremo Oeste, en Andradina / SP de 2015 a 2017, en un suelo clasificado como Ultisol cultivado con pasto Urochloa, con diferentes formas de introducir Estiloantes cv. Campo Grande. Los atributos del suelo estudiados fueron: densidad del suelo, porosidad del suelo, resistencia mecánica a la penetración, infiltración de agua en el suelo y diámetro promedio ponderado en las capas del suelo: 0-10; 0.10-0.20 y 0.20-0.40 m El programa se desarrolló en el entorno MATLAB y la simulación se realizó mediante una interfaz gráfica. y el trabajo fue el multicapa Perceptron (MLP). Se encontró que la red logró un entrenamiento adecuado, con un error cuadrado medio bajo, lo que podría generar una alternativa interesante y automática para la clasificación y análisis de los suelos en recuperación. Los resultados se imprimieron en una interfaz gráfica autoexplicativa, con gráficos y metadatos de los índices físicos y sus clasificaciones con respecto a ANN. Técnicas adequadas de manejo do solo são fundamentais para manter o solo saudável e sem degradação. Quando isso, não é possível, esse solo deve ser recuperado, levando em conta os atributos do solo e o seu poder de regeneração, com isso, várias técnicas estão sendo utilizadas. Neste contexto, este trabalho tem por objetivo desenvolver um programa interativo (analisar e classificar) com a utilização das Redes Neurais Artificiais (RNA) para estimar os níveis de recuperação do solo (recuperado (R), parcialmente recuperado (PR) e não recuperado (NR) em função dos atributos físicos. O experimento foi realizado na Agência Paulista de Tecnologias dos Agronegócios – APTA do Extremo Oeste, em Andradina/SP no período de 2015 a 2017, em solo classificado como Argissolo Vermelho Amarelo cultivado com pastagem de Urochloa, com diferentes formas de introdução de Estilosantes cv. Campo Grande. Os atributos do solo estudados foram: densidade do solo, porosidade do solo, resistência mecânica a penetração, infiltração de água no solo e diâmetro médio ponderado, nas camadas do solo: 0-10; 0,10-0,20 e 0,20-0,40 m. O programa foi desenvolvido no ambiente MATLAB e a simulação foi realizada por meio de uma interface gráfica. A RNA que foi utilizada neste trabalho foi a Perceptron multicamadas (MLP). Verificou-se que a rede alcançou um treinamento adequado, com erro quadrado médio baixo, podendo gerar uma alternativa interessante e automática para a classificação e análise de solos em recuperação. Os resultados foram imprimidos em uma interface gráfica autoexplicativa, com gráficos e metadados dos índices físicos e suas classificações quanto à RNA.
Databáze: OpenAIRE
Externí odkaz: