A mecanização agrícola é um dos principais componentes tecnológicos responsáveis pelo avanço na produção agrícola brasileira, nos últimos anos, contudo, sua utilização aumenta o risco de impactos ambientais negativos relacionados à degradação dos solos, notadamente à compactação excessiva pelo tráfego de máquinas. A adoção recente de sistemas conservacionistas de manejo do solo, nas culturas anuais, gerou ainda mais preocupação quanto aos efeitos negativos da mecanização. Pesquisas nesse tema visam, em geral, estimar a influência do tráfego sobre as propriedades físicas do solo e identificar classes de compactação restritivas ao desenvolvimento das plantas, com o propósito de fornecer subsídios para evitar a compactação excessiva. O objetivo do trabalho foi propor e avaliar uma metodologia para aplicação da modelagem nebulosa na estimativa e classificação da compactação do solo pelo tráfego, baseada no conhecimento especialista e em dados experimentais. A utilização de modelos simples e confiáveis no planejamento das operações mecanizadas é fundamental para aumentar a sustentabilidade ambiental da atividade. A partir de dados experimentais, foram identificados modelos para estimativa da densidade aparente, porosidade total e resistência à penetração do solo, após o tráfego, e cujas variáveis de entrada são relacionadas às condições iniciais do solo e das máquinas. Tais modelos foram identificados através de um algoritmo neuro-nebuloso e testados com dados independentes. O modelo de classificação relacionou qualitativamente as propriedades físicas do solo com as classes de compactação identificadas pelo método do perfil cultural, sendo as propriedades representadas por conjuntos nebulosos e as relações entre elas e as classes de compactação estabelecidas através de regras lingüísticas. Os dados observados experimentalmente e estimados pelos modelos foram comparados a partir de critérios estatísticos e as estimativas foram analisadas para combinações das variáveis de entrada cujas respostas são conhecidas. O modelo de classificação foi analisado através da porcentagem de acertos segundo as profundidades. O método proposto possibilitou a aquisição de quantidade suficiente de dados para treinamento e teste dos modelos embora ainda sejam necessários novos dados para diferentes faixas de valores e combinações das variáveis de entrada. Os erros porcentuais médios obtidos pelo modelo de estimativa da densidade e da porosidade foram da ordem de 5% e 3%, respectivamente, e a diferença média entre os pares de dados observados e estimados não foi significativamente diferente de zero. Os erros dos modelos de estimativa da resistência à penetração atingiram 18%. O modelo de classificação apresentou desempenho satisfatório, com níveis elevados de acertos, embora ainda sejam necessários ajustes para a camada de 0,10 a 0,20 m. Os resultados demonstram que a metodologia é viável para identificação de modelos de compactação do solo baseada em dados e no conhecimento especialista e que a modelagem nebulosa é uma ferramenta com potencial para aplicação a problemas relacionados ao manejo do solo e, particularmente, para simular o processo de compactação do solo pelo tráfego. / Agricultural mechanization is an important technological issue responsible for Brazilian agricultural advance but its large use increases the risk of environmental impacts due to soil degradation resulting from machine traffic. Conservation agriculture adopted in crop production systems has renewed concerns about soil compaction due to machine traffic. Research on this subject approaches the problem in two ways: estimation or prediction of traffic influence on soil physical properties and classification of soil compaction regarding its effects on plant development. The general target is to develop tools in order to avoid excessive soil compaction. This work presents a method to apply fuzzy modeling techniques to estimate and classify soil compaction due to machine traffic based on expert knowledge and experimental data. Simple and accurate models are useful tools for mechanization planning and for increasing agricultural sustainability. Fuzzy models to estimate soil bulk density, total porosity and penetration resistance after traffic were identified based on data and using initial soil conditions and machine variables as inputs. Fuzzy classification model was derived from expert knowledge and represented the qualitative relations between compaction classes and soil physical properties, the former identified by cultural profile method. Soil properties were represented by fuzzy sets and qualitative relations by linguistic fuzzy rules. Observed and estimated data were compared using statistical criteria and expected responses for known input combinations were analyzed. The rate of classification success for each depth was used to evaluate the performance of the classification model. The proposed method was able to provide sufficient amount of data for model training and testing, however more data are required for different input levels and combinations in order to improve models performances. The average percentual errors of the estimation models for soil density and porosity were 5% and 3% respectively, and the average difference between observed and estimated data pairs was not statistically different from zero. For the penetration resistance model, the error was about 18%. The classification model showed good performance with high success rates but with medium accuracy in the 0,10-0,20 m depth. The results show that fuzzy modeling is a valuable tool to approach soil management problems and, in particular, to simulate soil compaction process due to traffic.
| Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-06012005-170624 |
| Date | 09 November 2004 |
| Creators | Araújo, Augusto Guilherme de |
| Contributors | Saraiva, Antonio Mauro |
| Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
| Source Sets | Universidade de São Paulo |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | Tese de Doutorado |
| Format | application/pdf |
| Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0194 seconds