Made available in DSpace on 2017-07-21T14:19:22Z (GMT). No. of bitstreams: 1
Sandro Teixeira.pdf: 611887 bytes, checksum: da75c60dae366a84db89509883f57db4 (MD5)
Previous issue date: 2014-07-31 / Considered a quality indicator, carbon constitutes an important attribute in the productive capacity of the soil. However the traditional methodologies used for determining carbon cause environmental problems due to the use of chemical reagents. The replacement of this
procedure by others that generate little or no amount of toxic waste has been considered important. Spectroscopy is one of the promising techniques in Precision Agriculture for soil analysis and can be used to estimate carbon content. Among its benefits, highlights the sample
preservation, no consumption of reagents, and their efficiency acquiring data from a large number of samples. The aim of this work was to contribute to determine a regression model able to predict the carbon content in soil samples using spectroscopy in the visible and near
infrared region. The Machine Learning SVM technique available in the WEKA software was used to create the model. Because of their generalization ability SVM has been considered a better alternative than the other methods of multivariate regression. Two sets of soil samples collected in the Campos Gerais region were used to the experiments. The results evaluation was based on the forecast errors and the correlation coefficients between the values carbon content predicted by the model. Correlation coefficients ranging from 0.84 to 0.90 were found. It was concluded that the NIRS-vis spectroscopy combined with SVM technique can
be recommended as an alternative to conventional methods for carbon analysis in the soil. / Considerado um indicador de qualidade, o carbono constitui-se em um importante atributo na capacidade produtiva do solo. Porém, as tradicionais metodologias empregadas para sua determinação geram problemas ambientais devido ao uso de reagentes químicos. Diante disso, a substituição desse procedimento por outros que gerem menor ou nenhuma quantidade de resíduos tóxicos tem sido considerada relevante. A espectroscopia é uma das técnicas promissora na Agricultura de Precisão para análises de solos e que pode trazer uma solução
viável para análise de teor de carbono. Dentre suas vantagens, destaca-se a preservação da amostra, o não consumo de reagentes, além de sua eficiência na aquisição de dados provenientes de um grande número de amostras. O objetivo deste trabalho foi contribuir com
um modelo de regressão capaz de predizer a quantidade de carbono em amostras de solo utilizando a espectroscopia na região do visível e no infravermelho próximo. Para tanto, foi utilizada a técnica de Aprendizagem de Máquina SVM incorporada ao software WEKA como auxílio na criação do modelo. A SVM tem representado uma alternativa melhor aos já consagrados métodos de regressão multivariada por apresentar capacidade de generalização. Nos experimentos realizados foram utilizados dois conjuntos de amostras de solo coletadas na região dos Campos Gerais. A avaliação dos resultados teve como base os erros de previsão e
os coeficientes de correlação entre os valores dos teores de carbono preditos pelo modelo. Foram encontrados coeficientes de correlação que variaram entre 0,84 a 0,90. Concluiu-se que a espectroscopia no vis-NIRS aliada à técnica SVM é recomendada como uma alternativa aos
métodos convencionais de análise de carbono em solos.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2.uepg.br:prefix/122 |
| Date | 31 July 2014 |
| Creators | Teixeira, Sandro |
| Contributors | Guimarães, Alaine Margarete, Silva, Vanderley Porfírio da, Mathias, Ivo Mario |
| Publisher | UNIVERSIDADE ESTADUAL DE PONTA GROSSA, Programa de Pós Graduação Computação Aplicada, UEPG, BR, Computação para Tecnologias em Agricultura |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UEPG, instname:Universidade Estadual de Ponta Grossa, instacron:UEPG |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0029 seconds