REPRESENTATION IN 3D MESHES FROM THE INTERPOLATED SOIL TEXTURE DATA BY ARTIFICIAL NEURAL NETWORK: CASE STUDY FESCON - PONTA GROSSA - PR
| Autor: | Selma Regina Aranha Ribeiro, Giuvane Conti, Kelly Lais Wiggers |
|---|---|
| Přispěvatelé: | CAPES |
| Jazyk: | portugalština |
| Rok vydání: | 2016 |
| Předmět: |
Dados de textura do solo
redes neurais artificiais representação em malhas 3D Geography Soil texture Soil water 3d model Radial basis function Interpolates soil texture artificial neural network 3D meshes representation Precision agriculture Silt Geomorphology Cartography Supervised training Interpolation |
| Zdroj: | Geo UERJ; n. 28 (2016): Jan/Jun; 410-429 Geo UERJ Universidade do Estado do Rio de Janeiro (UERJ) instacron:UERJ |
| ISSN: | 1981-9021 1415-7543 |
| Popis: | doi: 10.12957/geouerj.2016.12310 The physical properties of the soil have great impact on their behavior, and these characteristics result in classification of the profile and soil suitability. In the case of Precision Agriculture is important to identify in the soil particle size space distribution or texture. Thus, from granulometric georeferenced data (sand, silt and clay) soils collected from a farmland Farm School Capão-da-Onça (FESCON Ponta Grossa - PR), was performed interpolation using Radial Basis Function (RBF) and supervised training for Artificial Neural Network (ANN), comparing the results obtained on a 3D model in order to verify the performance of the RNA used. It was found that especially the representations of RNA with the sand attribute was smoothed when interpolated the granulometric data in realation to RBF. The attributes clain and silt had some variations between ANN and RBF, it doesn’t always smoothed. doi: 10.12957/geouerj.2016.12310 As propriedades físicas do solo possuem grande impacto em seu comportamento, e estas características resultam na classificação do perfil e aptidão do solo. Em se tratando de Agricultura de Precisão, é importante identificar no solo sua distribuição espacial granulométrica ou textura. Desta forma, a partir de dados granulométricos georreferenciados (areia, silte e argila) coletados de solos de uma gleba da Fazenda Escola Capão-da-Onça (FESCON Ponta Grossa - PR), foi realizada a interpolação, utilizando Função de Base Radial (RBF) e treinamento supervisionado por Rede Neural Artificial (RNA), comparando os resultados obtidos em um modelo 3D, a fim de verificar o desempenho da RNA utilizada. Verificou-se principalmente que as representações da RNA com o atributo areia foi suavizada quando interpolado os dados granulométricos em re |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|