Made available in DSpace on 2017-07-21T14:19:36Z (GMT). No. of bitstreams: 1
Karine Sato da Silva.pdf: 1399940 bytes, checksum: 7e4d6aa73a1bc504cbbbf109e805da76 (MD5)
Previous issue date: 2013-03-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The subsoil acidity is harmful towards the growing of plants roots and, consequently, affects the agricultural productivity. In handled areas in the no-till cropping system (SPD), the toxic effects caused by high levels of Al and Mn, due to the soil acidity, are corrected by the superficial liming. This technique improves the acidity of the superficial layers, but it presents no great efficiency in the acidity correction of deeper
layers of the soil. The agricultural gypsum (CaSO4.2H2O) is an input that might help in the improvement of the subsoil’s chemical conditions, because besides of being a Ca and S source, it is also able to transport cationic nutrients to the sub superficial layers and reduce the Al activity. It happens, however, that there are questions about which situations may be expected beneficial effects regarding the agricultural gypsum use, and as for the amount that should be applied to reach such effects. A possible form to assist the comprehension of these questions is with the Data Mining (MD) utilization. However, the agronomic databases usually involve a limited number of registers, which difficult the MD use. As a result, this study addresses, beyond the MD utilization, a new research area involving MD in small databases. Therewith, the goals of this work were:(i) obtaining a better comprehension of the gypsum application effects in the chemical attributes of handled soil in SPD, (ii) identifying the chemical attributes of the soil that present narrower correlations with the estimation of the need of gypsum using selection techniques at the pre-processing stage, and (iii) defining models to the estimation of the
need of agricultural gypsum in soils under SPD. The database used in this study was obtained from three distinct areas of the region of Campos Gerais do Parana, containing chemical attributes of the soil in different epochs coming from SPD experiments, which received increasing doses of agricultural gypsum on their surfaces. It was used Principal Component Analysis techniques based on B2 and B4 criteria, and also the Supervised ACP technique. Still regarding the pre-processing techniques, it was implemented a covariance matrix that assumes the marginal independence between the base attributes in their calculus and utilizes the B2 and B4 criteria for the attributes selection. For the databases expansion, besides the SMOTE technique, it was implemented the megatrend-diffusion (MTD) method. The M5Rules algorithm was utilized to find models of estimation of the need of agricultural gypsum. The results showed that the elapsed time
after the gypsum application (epoch), the saturation through Ca and the saturation through Mg in the capacity of effective cations exchange (CTCe) of soil were the attributes which presented the narrower correlations with the dose estimation of gypsum. The work identified four possible models for the estimation of the need of agricultural gypsum, showing that the M5Rules algorithm was efficient for such prediction. The MTD method presented positive results because increased the
correlation coefficient and reduced the average absolute error. / A acidez do subsolo é prejudicial ao crescimento das raízes das plantas e, consequentemente, afeta a produtividade agrícola. Em áreas manejadas no sistema plantio direto (SPD), os efeitos tóxicos causados pelos teores elevados de Al e Mn,
decorrentes da acidez do solo, são corrigidos pela calagem superficial. Essa prática melhora a acidez das camadas superficiais, mas não apresenta grande eficiência na
correção da acidez em camadas mais profundas do solo. O gesso agrícola (CaSO4.2H2O) é um insumo que pode auxiliar na melhoria das condições químicas do subsolo, pois além de ser fonte de Ca e S, também é capaz de transportar nutrientes catiônicos para as camadas subsuperficiais e reduzir a atividade do Al. Acontece,porém, que ainda existem dúvidas sobre quais as situações em que podem ser esperados
efeitos benéficos do uso de gesso agrícola e também quanto à dose que deve ser aplicada para alcançar tais efeitos. Uma forma possível para auxiliar na compreensão dessas dúvidas é a utilização da Mineração de Dados (MD). Entretanto, as bases de dados agronômicos normalmente envolve um número limitado de registros, o que dificulta o emprego da MD. Em decorrência disso, estudou-se, além da utilização da
MD, uma nova área de pesquisa que envolve a MD em pequenas bases. Com isso, os objetivos do presente trabalho foram: (i) obter melhor compreensão dos efeitos da aplicação do gesso nos atributos químicos de solos manejados no SPD, (ii) identificar os atributos químicos do solo que apresentam correlações mais estreitas com a estimativa da necessidade de gesso usando técnicas de seleção na etapa de pré-processamento, e (iii) definir modelos para estimativa de necessidade de gesso agrícola em solos sob SPD. A base de dados utilizada nesse estudo foi obtida de três áreas distintas da região dos Campos Gerais do Paraná, contendo atributos químicos do solo em diferentes épocas provenientes de experimentos sob SPD que receberam doses crescentes de gesso agrícola na superfície. Utilizaram-se técnicas de Análise de Componentes Principais (ACP) baseada nos critérios B2 e B4 e, ainda, a técnica de ACP Supervisionado. Quanto
às técnicas de pré-processamento, implementou-se também uma matriz de covariância que assume a independência marginal entre os atributos da base no seu cálculo e utiliza
os critérios B2 e B4 para a seleção dos atributos. Para ampliação da base de dados, além da técnica SMOTE, foi empregado o método mega-trend-diffusion (MTD). O algoritmo
M5Rules foi utilizado para encontrar modelos de estimativa da necessidade de gesso agrícola. Os resultados mostraram que o tempo decorrido após a aplicação de gesso (época), a saturação por Ca e a saturação por Mg na capacidade de troca de cátions efetiva (CTCe) do solo foram os atributos que apresentaram as correlações mais estreitas com a estimativa da dose de gesso. O trabalho identificou quatro possíveis modelos para a estimativa da necessidade de gesso, mostrando que o algoritmo M5Rules foi eficiente para tal predição. O emprego do método MTD apresentou resultados positivos porque aumentou o coeficiente de correlação e diminuiu o erro médio absoluto.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2.uepg.br:prefix/160 |
| Date | 01 March 2013 |
| Creators | Silva, Karine Sato da |
| Contributors | Guimarães, Alaine Margarete, Caires, Eduardo Fávero, Rocha, Jose Carlos Ferreira da, Barth, Gabriel |
| 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 | English |
| 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 0.0026 seconds