Submitted by Claudia Rocha (claudia.rocha@udesc.br) on 2018-03-06T16:10:50Z
No. of bitstreams: 1
PGCS14MA140.pdf: 1574830 bytes, checksum: 4217f8ffb682e61890fd939d7f9ca3e2 (MD5) / Made available in DSpace on 2018-03-06T16:10:50Z (GMT). No. of bitstreams: 1
PGCS14MA140.pdf: 1574830 bytes, checksum: 4217f8ffb682e61890fd939d7f9ca3e2 (MD5)
Previous issue date: 2014-07-25 / Capes / Several techniques have been used to obtain soil water
retention curve. Direct methods are time consuming and costly.
Mathematical techniques have been used to replace direct
methods through pedotransfer functions (PTFs), using
predictors easily obtained and inexpensive to obtain parameters
that expend more time and resources. PTFs generated from
multiple regressions have shown reliable results but requires
great knowledge of statistics. A new approach to obtaining
PTFs, artificial neural networks (ANN) that does not require
prior knowledge of statistical and database minimum, have
been used in various areas of knowledge, and have been shown
to be accurate and reliable. The study aimed to compare the
efficiency of ANNs and multiple regressions to generate PTFs
for estimating the retention and availability of water in soils of
Santa Catarina state, located in a subtropical zone (region) of
Brazil. The PTFs were generated for 940 horizons of
representative soils of St. Catarina having as input data the
particle size distribution (seven classes), the organic matter
content, bulk density, particle density and output data water
retention between from zero to 1500 kPa tension. The ANNs
were generated using the software WEKA, with six neurons in
the hidden layer using the error backpropagation algorithm
(Multilayer Perceptron) and the cross-validation to stratify
sample. Results showed that PTFs obtained from ANNs are
more efficient than multiple regression. The PTFs that include
specific texture data (five classes of sand), soil organic matter,
soil bulk density, particle density, total porosity and their
interactions better estimate the retention and availability of
water in these soils. From these results, it is possible to develop
a program that uses these PTFs generated to provide these
values of SWRC, and is therefore an extremely useful tool for
studies about soil water retention and avaibility / Várias técnicas vêm sendo utilizadas para obtenção da
curva de retenção de água no solo. Como métodos diretos
demandam tempo e são de alto custo, tem sido estudadas
funções de pedotransferência (FPTs), as quais utilizam
preditores de fácil obtenção e baixo custo para obter os
parâmetros. FPTs geradas a partir de regressões múltiplas têm
mostrado resultados confiáveis, mas exigem grande
conhecimento estatístico para sua determinação. Uma nova
abordagem para obtenção de FPTs é o uso de redes neurais
artificiais (RNAs), que não exigem conhecimento prévio
estatístico e podem ser obtidas utilizando-se um banco de
dados mínimos. As RNAs vêm sendo utilizadas em diversas
áreas do conhecimento, e têm se mostrado precisas e
confiáveis. Este trabalho teve por objetivo comparar a
eficiência de RNAs e regressões múltiplas na geração de FPTs
para estimar a retenção e a disponibilidade de água em solos do
estado de Santa Catarina. As FPTs foram geradas a partir de
940 horizontes de solos representativos de Santa Catarina,
tendo como dados de entrada a granulometria (sete classes de
tamanhos de partículas), o teor de matéria orgânica, a
densidade do solo e de partículas e, como dados de saída, a
retenção de água nas tensões de 0 até 1.500 kPa. As RNAs
foram geradas utilizando o software WEKA, tendo como
arquitetura a rede Multilayer Perceptron, com seis neurônios na
camada escondida, utilizando-se a função de retropropagação
do erro (Backpropagation) e validação cruzada para estratificar
a amostra. As FPTs obtidas a partir de RNAs são mais
eficientes que as regressões múltiplas. As FPTs pontuais, que
incluem dados de granulometria (cinco divisões de areia),
matéria orgânica do solo, densidade do solo, densidade de
partículas, porosidade total e suas interações estimam melhor a
retenção e a disponibilidade de água nestes solos. A partir
destes resultados, é possível desenvolver um programa que
utiliza as FPTs geradas para estimar a curva de retenção de
água, sendo, portanto uma ferramenta extremamente útil para
estudos que envolvam a retenção e a disponibilidade de água
no solo
| Identifer | oai:union.ndltd.org:IBICT/oai:tede.udesc.br #179.97.105.11:handle/2444 |
| Date | 25 July 2014 |
| Creators | Mendes, Rubia Borges |
| Contributors | Albuquerque, Jackson Adriano |
| Publisher | Universidade do Estado de Santa Catarina, Mestrado, UDESC, Brasil, UDESC::CAV |
| 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 UDESC, instname:Universidade do Estado de Santa Catarina, instacron:UDESC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds