Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Studies on the dynamics of water in the soil-plant-atmosphere such as water
availability cultures infiltration drainage and movement of solutes into the soil, require
knowledge of the relation between the water content in soil matric potential and represented
by retention curve water. However, its implementation is laborious, requires considerable
time and cost. An alternative is your estimate through statistical equations called
pedotransfer functions (PTFs). The aim of this study was to generate PTFs for the different
soil classes in the state of Rio Grande do Sul, through prediction methodologies. To develop
the work we used data available in the literature, with values of hydro-physical characteristics
and mineralogical characteristics of soils of the State, to estimate values of soil unit under
different stresses. In possession of the database was conducted subdivision thereof, in
different textural classes identified in the state in an attempt to improve the predictive ability
of pedofunctions, forming more homogeneous subsets. The development of PTFs was from
two modeling methods: (i) multiple linear regression (MLR) and (ii) artificial neural networks
(ANNs). For the development of PTFs first methodology was used the "stepwise" (SAS,
1997). The PTFs generated from ANNs were implemented through the multilayer perceptron
with backpropagation algorithm and Levenberg-Marquardt optimization. Each network is
trained by varying the number of neurons in the input layer and the number of neurons in the
hidden layer. The output variable was water content in soil matric potentials of 0, -6, -10, -33,
-100, -500 and -1500 kPa. For each architecture, the network was trained several times,
picking up training at the end of the architecture with lower mean relative error and lower
variance in relation to the validation data. The efficiency of PTFs were analyzed graphically
by the ratio 1:1 between data versus the observed and estimated by means of the following
statistical indicators: correlation coefficient (r); concordance index Wilmont (c); coefficient of
determination (R2) and performance index (id). The results showed that the more
homogeneous is the data of the variables that compose the PTFs, the greater the precision
in estimating the water retention in the soil, for the same. The network architecture consists
of 4 inputs, showed high accuracy in the estimation of variables. The PTFs developed by
ANNs outperformed the predictive ability of the standard method (MLR). Thus, the estimate
of the retention curve of soil water by means of ANNs trained by classes textures, presents
itself as a subsidy techniques adopted in irrigated agriculture. / Estudos que envolvem a dinâmica da água no sistema solo-planta-atmosfera tais
como disponibilidade de água as culturas, infiltração, drenagem e movimento de solutos no
solo, necessitam do conhecimento da relação entre o conteúdo de água no solo e o
potencial matricial, representada pela curva de retenção de água. No entanto, sua execução
é laboriosa, demanda considerável tempo e custos. Uma alternativa é sua estimativa através
de equações estatísticas denominadas Funções de Pedotransferência (FPTs). O objetivo
deste estudo foi gerar FPTs para as diferentes classes de solos do Estado do Rio Grande do
Sul, por meio de metodologias de predição. Para desenvolver o trabalho foram utilizados
dados, disponíveis na literatura, com valores de características físico-hídricas e
mineralógicas, de solos do Estado, para estimar valores de umidade de solo, sob diferentes
tensões. De posse do banco de dados foi realizado a subdivisão do mesmo, nas diferentes
classes texturais identificada no Estado, na tentativa de melhorar a capacidade preditiva das
pedofunções, formando subconjuntos mais homogêneos. O desenvolvimento das FPTs foi a
partir de dois métodos de modelagem: (i) regressão linear múltipla (RLM) e (ii) redes neurais
artificiais (RNAs). Para o desenvolvimento das FPTs pela primeira metodologia, foi utilizada
a opção stepwise (SAS, 1997). As FPTs geradas a partir de RNAs, foram implementadas
através do perceptron multicamadas com algoritmo backpropagation e otimização
Levenberg-Marquardt. As redes foram treinadas variando-se o número de neurônios na
camada de entrada e número de neurônios na camada escondida. A variável de saída foi
conteúdo de água no solo nos potenciais matriciais de 0, -6, -10, -33, -100, -500 e -1500
kPa. Para cada arquitetura, a rede foi treinada diversas vezes, escolhendo-se no final do
treinamento a arquitetura com menor erro relativo médio e menor variância em relação aos
dados de validação. A eficiência das FPTs foram analisadas graficamente pela relação 1:1,
entre os dados estimados versus os observados e, por meio dos seguintes indicadores
estatísticos: coeficiente de correlação (r); índice de concordância de Wilmont (c);
coeficiente de determinação (R2) e índice de desempenho (id). Os resultados mostraram
que quanto mais homogêneos são os dados das variáveis que compõem as FPTs, maior é
a precisão na estimativa da retenção de água no solo, pelas mesmas. As redes de
arquitetura formada por 4 entradas, apresentaram elevada precisão na estimativa das
variáveis. As FPTs desenvolvidas por RNAs superaram a capacidade preditiva do método
padrão (RLM). Deste modo, a estimativa da curva de retenção de água no solo, por meio
das RNAs treinadas por classes texturais, apresenta-se como um subsídio as técnicas
adotadas na agricultura irrigada.
Palavras-chave: Pedofunções. Umidade do solo. Potencial matricial. Inteligência artificial
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/3601 |
| Date | 01 February 2013 |
| Creators | Soares, Fátima Cibéle |
| Contributors | Robaina, Adroaldo Dias, Peiter, Márcia Xavier, Gomes, Ana Carla dos Santos, Parizi, Ana Rita Costenaro, Zamberlan, João Fernando, Schons, Ricardo Luis |
| Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Engenharia Agrícola, UFSM, BR, Engenharia Agrícola |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 500300000008, 400, 300, 300, 300, 300, 300, 300, 300, a461031e-e4dd-4408-ac4e-e2eea463cc61, 0e5e02be-a074-4b47-a099-1c36d475cdb0, 296314ed-e354-4440-b25a-85ac23c11117, e4240a00-0dd7-4422-9454-940b6b1b6f75, d7863e73-bc55-4751-866c-bc07b63624d9, dbddad2b-55bd-4c1a-b374-e1a9ea39c0ba, 7d1e571a-da90-4fe7-8d75-e4ac591a55e0 |
Page generated in 0.0244 seconds