Portal de Periódicos da CAPES

Artigo Acesso aberto Produção Nacional Revisado por pares

BIBTEX RIS

Análise da recuperação física de solos degradados via Redes Neurais Artificiais por meio de uma interface gráfica

2020; Grupo de Pesquisa Metodologias em Ensino e Aprendizagem em Ciências; Volume: 9; Issue: 7 Linguagem: Português

10.33448/rsd-v9i7.3719

2525-3409

José Guilherme Marques Chitero, Alfredo Bonini Neto, Carolina dos Santos Batista Bonini, Reges Heinrichs, Cecílio Viega Soares Filho, Gustavo Pavan Mateus, Beatriz Santos Bisi, Nídia Raquel Costa, Jhonatan Cabrera Piazentin, Guilherme Constantino Meirelles, Luís Roberto Almeida Gabriel Filho,

Smart Agriculture and AI

Técnicas adequadas de manejo do solo são fundamentais para manter o solo saudável e sem degradação. Quando isso, não é possível, esse solo deve ser recuperado, levando em conta os atributos do solo e o seu poder de regeneração, com isso, várias técnicas estão sendo utilizadas. Neste contexto, este trabalho tem por objetivo desenvolver um programa interativo (analisar e classificar) com a utilização das Redes Neurais Artificiais (RNA) para estimar os níveis de recuperação do solo (recuperado (R), parcialmente recuperado (PR) e não recuperado (NR) em função dos atributos físicos. O experimento foi realizado na Agência Paulista de Tecnologias dos Agronegócios – APTA do Extremo Oeste, em Andradina/SP no período de 2015 a 2017, em solo classificado como Argissolo Vermelho Amarelo cultivado com pastagem de Urochloa, com diferentes formas de introdução de Estilosantes cv. Campo Grande. Os atributos do solo estudados foram: densidade do solo, porosidade do solo, resistência mecânica a penetração, infiltração de água no solo e diâmetro médio ponderado, nas camadas do solo: 0-10; 0,10-0,20 e 0,20-0,40 m. O programa foi desenvolvido no ambiente MATLAB e a simulação foi realizada por meio de uma interface gráfica. A RNA que foi utilizada neste trabalho foi a Perceptron multicamadas (MLP). Verificou-se que a rede alcançou um treinamento adequado, com erro quadrado médio baixo, podendo gerar uma alternativa interessante e automática para a classificação e análise de solos em recuperação. Os resultados foram imprimidos em uma interface gráfica autoexplicativa, com gráficos e metadados dos índices físicos e suas classificações quanto à RNA.