SciELO - Scientific Electronic Library Online

 
vol.51 issue9Prediction of soil fertility of the agricultural hub of the state of Rio de Janeiro using soil x landscape modelingPhosphorus, carbon, and nitrogen prediction in basaltic soils by NIR spectroscopy author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

Share


Pesquisa Agropecuária Brasileira

Print version ISSN 0100-204XOn-line version ISSN 1678-3921

Abstract

DIAS, Laura Milani da Silva et al. Predição de classes de solo por mineração de dados em área da bacia sedimentar do São Francisco. Pesq. agropec. bras. [online]. 2016, vol.51, n.9, pp.1396-1404. ISSN 0100-204X.  https://doi.org/10.1590/s0100-204x2016000900038.

O objetivo deste trabalho foi avaliar diferentes estratégias para a predição da distribuição de classes de solo em mapas pedológicos digitais de áreas sem dados de referência, na bacia sedimentar do São Francisco, no Norte de Minas Gerais. As estratégias incluíram: o detalhamento da legenda, o treinamento por observações em campo, a ampliação do conjunto de treinamento e o uso de diferentes algoritmos de mineração de dados. Foram elaboradas quatro matrizes, diferenciadas pelo volume de dados, para o aprendizado dos algoritmos, e pelo nível taxonômico das classes de solo a serem preditas. Avaliou-se o desempenho dos algoritmos de aprendizado de máquina - Random Forest, J48 e MLP -, associados a procedimentos de discretização, balanceamento de classes, seleção de variáveis e expansão do conjunto de treinamento. O balanceamento de classes, a discretização de variáveis por frequências iguais e o algoritmo Random Forest apresentaram os melhores desempenhos. A extensão da representatividade das observações em campo, que presume uma área de treinamento mais ampla, não trouxe ganho preditivo. A generalização taxonômica para subordem diminui a fragmentação dos polígonos mapeados e aumenta a acurácia dos mapas pedológicos digitais. Quando são produzidos após treinamento por observações de solo in situ, na área de mapeamento, os mapas pedológicos digitais têm valores de acurácia equivalentes aos dos treinados em mapas preexistentes.

Keywords : acurácia de mapas pedológicos; algoritmos de classificação; mapa digital de solos; variáveis preditivas do meio físico.

        · abstract in English     · text in Portuguese     · Portuguese ( pdf )