Submitted by Fabricia Fialho Reginato (fabriciar) on 2015-08-03T23:08:01Z
No. of bitstreams: 1
JoiceCagliari.pdf: 1412838 bytes, checksum: 244299757ce9e71c1219d2018888f982 (MD5) / Made available in DSpace on 2015-08-03T23:08:01Z (GMT). No. of bitstreams: 1
JoiceCagliari.pdf: 1412838 bytes, checksum: 244299757ce9e71c1219d2018888f982 (MD5)
Previous issue date: 2010 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O fósforo remanescente consiste na concentração de fósforo que permanece em solução após a agitação por 1 hora de uma amostra de solo com solução de CaCl2 0,01 mol L-1 contendo 60 mg L-1 P. O valor de fósforo remanescente pode ser utilizado como um bom indicador da capacidade de sorção aniônica de um solo haja vista ser mais sensível a sua composição mineralógica do que ao teor de sua fração argila. No Brasil, a utilização agronômica do fósforo remanescente é contemplada no sistema oficial de recomendação de fertilizantes e corretivos do Estado de Minas Gerais. O objetivo principal deste estudo foi o de desenvolver uma função de pedotransferência que permitisse estimar com razoável exatidão o valor de fósforo remanescente de solos representativos do Estado de São Paulo, a partir de outros atributos químicos de mais simples e/ou rotineira determinação laboratorial. Nesse contexto, duas funções de pedotransferência foram desenvolvidas com base em redes neurais artificiais (RNA) e análises de regressão linear múltipla (RLM), utilizando um banco de dados constituído por propriedades físicas e químicas de solos amostrados em diferentes localidades do Estado de São Paulo. As redes alimentadas adiante com múltiplas camadas foram utilizadas para desenvolver a função de pedotransferência baseada em RNA e a topologia foi determinada a partir de experimentos sucessivos. Os critérios de escolha da melhor rede neural foram, simultaneamente, o desempenho na etapa de treinamento, medido por meio do erro quadrático médio, e a capacidade de generalização, avaliada por meio de análises estatísticas entre os valores de Prem estimados e determinados analiticamente. A topologia da rede que melhor estimou o fósforo remanescente foi [3 14 1], ou seja, três neurônios na camada de entrada, quatorze em uma única camada intermediária e um na camada de saída; a função de ativação utilizada foi a sigmoidal logística, os valores de entrada foram normalizados entre [0;1] e o algoritmo de aprendizagem utilizado foi o resilient backpropagation. As três variáveis da camada de entrada foram o valor de pH medido em solução de NaF 1 mol L-1 (pH NaF), a soma de bases trocáveis (SB) e o teor de alumínio trocável (Al3+), sendo as duas últimas determinadas rotineiramente em análises de solo e a primeira de mais fácil e rápida obtenção que o fósforo remanescente. A função de pedotransferência baseada em RLM foi desenvolvida considerando as mesmas variáveis de entrada utilizadas na função de pedotransferência baseada em RNA. A comparação entre os desempenhos obtidos, para um mesmo conjunto de validação, mostrou que as funções de pedotransferência baseadas em redes neurais apresentam estimativas mais exatas do fósforo remanescente. Apesar do conjunto de dados utilizado não ser suficientemente abrangente para o estabelecimento de uma função de pedotransferência definitiva para a estimativa do fósforo remanescente, os resultados do presente trabalho indicam como promissor o desenvolvimento de um massivo banco de dados por meio do aproveitamento dos resultados analíticos continuamente gerados pelos vários laboratórios brasileiros dedicados à avaliação da fertilidade do solo e que contemple os valores de fósforo remanescente e pH NaF. Tal banco de dados permitirá o desenvolvimento de uma função de pedotransferência baseada em redes neurais artificiais cuja utilização possibilitará o cálculo imediato de valores suficientemente exatos de fósforo remanescente com razoável economia de recursos financeiros que seriam empregados na análise de um grande número de amostras. / The remaining phosphorus consists of the P concentration that remains in solution after shaking for 1 hour a soil sample with 0.01 mol L-1 CaCl2 containing 60 mg L-1 P. The remaining phosphorus values can be used as suitable indicators of the soil capacity of anion sorption due to be more dependable on the soil mineralogy than on the soil clay content. In Brazil, the remaining phosphorus is used as an ancillary variable in the official guidelines for determining fertilizer and amender requirements of agricultural soils of the Minas Gerais state. The main goal of this research was to develop a pedotransfer function (PTF) capable of providing fairly accurate estimates of remaining phosphorus values of representative soils of the São Paulo state from often-determined soil chemical properties and/or from other ones of easier determination. In this context, two pedotransfer functions were developed by using artificial neural networks (ANN) and multiple regression analysis (MRA) applied to a database formed by values of soil chemical and physical properties derived from soil surveys previously carried out in different locations of the São Paulo state. The multi-layer feedforward neural networks approach was used for the development of the ANN-based PTF being its topology determined from successive experiments. The simultaneous criteria adopted for choosing the best neural network were the performance during the training stage, measured by the mean squared error, and its capacity of providing accurate Prem values, which was evaluated by using a validation database in which statistical comparisons were done between the measured and estimated Prem values. The topology of the network that provided the most accurate estimates of the remaining phosphorus was [3 14 1], i.e., three neurons at the input layer, fourteen at a unique hidden layer and one neuron at the output layer; further development features included the use of the sigmoid logistic model as activation function, the input of data normalized in the [0;1] interval and the use of the resilient backpropagation learning algorithm. The three variables at the input layer were the soil pH value measured in 1 mol L-1 NaF (pH NaF), the sum of exchangeable bases (SB) and the soil content of exchangeable aluminum (Al3+), being the two last ones usually determined in soil test laboratories whereas the pH NaF determination is easier than the remaining phosphorus one. The MRA-based PTF was developed considering the same input variables of the ANN-based one, i.e., pH NaF, SB and Al3+. The comparisons performed with a same validation database showed that the pedotransfer function developed from artificial neural networks provided more accurate estimates of remaining phosphorus values. Despite the database used for the PTF development not be so comprehensive for the establishment of a definitive pedotransfer function for estimating remaining phosphorus values, the results of the present research indicate as promising the development of a massive database from chemical results often obtained by the Brazilian laboratories dedicated to soil fertility evaluation and that includes Prem and pH NaF values. This database will allow the development of a comprehensive ANN-based pedotransfer function capable of not only calculating suitable Prem values for practical applications but also reducing the expenses related to the analyses of a great number of soil samples.
Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.jesuita.org.br:UNISINOS/4670 |
Date | January 2010 |
Creators | Cagliari, Joice |
Contributors | http://lattes.cnpq.br/0157177135951013, Alves, Marcelo Eduardo, Veronez, Mauricio Roberto |
Publisher | Universidade do Vale do Rio dos Sinos, Programa de Pós-Graduação em Geologia, Unisinos, Brasil, Escola Politécnica |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UNISINOS, instname:Universidade do Vale do Rio dos Sinos, instacron:UNISINOS |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0029 seconds