“Bicentenário da Independência: 200 anos de ciência, tecnologia e inovação no Brasil e 96 anos de contribuição da UFV”.
8 a 10 de novembro de 2022
Trabalho 16848
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Engenharia agrícola |
| Setor | Departamento de Engenharia Agrícola |
| Bolsa | FAPEMIG |
| Conclusão de bolsa | Não |
| Apoio financeiro | CAPES, FAPEMIG |
| Primeiro autor | Sannawá da Graça Ferreira |
| Orientador | RICARDO SANTOS SILVA AMORIM |
| Outros membros | Edwaldo Dias Bocuti, Lucas de Castro Moreira da Silva |
| Título | Predição de propriedades hidráulicas de solos do estado de Mato Grosso |
| Resumo | A condutividade hidráulica e a retenção de água no solo são propriedades cruciais para estudos de modelagem agrícola e ambiental, todavia, a determinação por métodos convencionais pode ser morosa e onerosa, dificultando a obtenção satisfatória destas informações. Nesse sentido, as funções de pedotransferência (PTFs) se apresentam como alternativa viável para estimar essas propriedades, por meio de variáveis de obtenção mais simples e rápida. No entanto, o desempenho de PTFs em regiões tropicais ainda é modesto, gerando uma atual busca por melhores performances. Nesse sentido, os algoritmos de aprendizado de máquina têm sido utilizados para o desenvolvimento de PTFs, por apresentarem vantagens comparados aos métodos de regressão convencionais. Buscou-se, portanto, desenvolver PTFs para propriedades hidráulicas de solos do estado de Mato Grosso. O banco de dados para a construção das funções foi estabelecido por dados extraídos de diferentes trabalhos, contemplando informações sobre propriedades físicas, químicas e morfológicas dos solos do estado, bem como informações de covariáveis ambientais. A base de dados foi particionada em 75% dos dados para treinamento dos modelos e 25% para teste independente. Foram utilizados três algoritmos de aprendizado de máquina: k- Nearest Neighbors (KNN), Random Forest (RF), Support Vector Machine (SVM), além da convencional Regressão Linear Múltipla (MLR). Os indicadores estatísticos utilizados para a avaliação da qualidade de ajuste das PTFs foram: RMSE, MAE, R2. Além disso, foi feita uma comparação do desempenho das PTFs desenvolvidos no presente trabalho com aquelas existentes na literatura. Para a modelagem das propriedades hidráulicas, foram usados 684 registros de capacidade de campo e ponto de murcha permanente. Para a condutividade hidráulica, 580 amostras foram utilizadas. As variáveis preditoras mais importantes para a capacidade de campo e ponto de murcha permanente foram: areia total, argila e areia fina. Enquanto para a condutividade hidráulica, as variáveis mais importantes foram: densidade, areia e argila. O algoritmo que apresentou melhor desempenho na modelagem da capacidade de campo e do ponto de murcha permanente foi o RF, com valores de R2 = 0,81, MAE = 0,0267 m3 m-3 e R2 = 0,86, MAE = 0,0185 m3 m-3. Para a modelagem do logaritmo da condutividade hidráulica, o melhor algoritmo foi o KNN, com R2 = 0,53 e MAE = 0,430 mm h-1. As PTFs desenvolvidas apresentaram melhor desempenho para todas as propriedades quando comparadas às PTFs existentes na literatura. O melhor desempenho das PTFs desenvolvidas reforça a baixa confiabilidade existente para extrapolação de PTFs em locais diferentes de onde as mesmas foram desenvolvidas, sobretudo quando se faz o uso de PTFs desenvolvidas para solos de clima temperado para estimar as propriedades hidráulicas de solos de clima tropical. |
| Palavras-chave | Pedotransferência, Capacidade de água disponível, Solos tropicais |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|