Skip navigation
Veuillez utiliser cette adresse pour citer ce document : http://repositorio.unb.br/handle/10482/29499
Fichier(s) constituant ce document :
Fichier TailleFormat 
ARTIGO_RedesNeuraisArtificiais.pdf1,48 MBAdobe PDFVoir/Ouvrir
Titre: Redes neurais artificiais na predição da produtividade de milho e definição de sítios de manejo diferenciado por meio de atributos do solo
Autre(s) titre(s): Artificial neural networks for corn yield prediction and definition of site-specific crop management through soil properties
Auteur(s): Leal, Aguinaldo José Freitas
Miguel, Eder Pereira
Baio, Fabio Henrique Rojo
Neves, Danilo de Carvalho
Leal, Ulcilea Alves Severino
Assunto:: Modelagem de biossistemas
Solos - manejo
Agricultura
Date de publication: oct-2015
Editeur: Instituto Agronômico de Campinas
Référence bibliographique: LEAL, Aguinaldo José Freitas et al. Redes neurais artificiais na predição da produtividade de milho e definição de sítios de manejo diferenciado por meio de atributos do solo. Bragantia, Campinas, v. 74, n. 4, p. 436-444, out./dez. 2015. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0006-87052015000400436&lng=en&nrm=iso>. Acesso em: 11 maio 2018. Epub Aug 21, 2015. doi: http://dx.doi.org/10.1590/1678-4499.0140.
Résumé: O entendimento dos fatores que influenciam a produtividade é essencial para o sucesso produtivo e para adoção de manejo diferenciado em sítios específicos. Na busca de alternativas para predizer a produtividade de grãos de milho a partir de atributos do solo, uma alternativa consiste no uso de redes neurais artificiais (RNAs). Diante disso, o presente estudo teve por objetivo avaliar a eficácia de adoção de atributos do solo por interface da análise de regressão, e das RNAs no estabelecimento de sítios de manejo diferenciado e predição da produtividade de grãos de milho, “segunda safra”, em solos de cerrado. Os dados foram obtidos em uma área de 41,76 ha, cultivada em 2010 e 2011. Apesar de demandar maior tempo de construção e processamento em relação à regressão linear, a adoção de RNAs permite melhor predição da produtividade de grãos. Em consonância ao estabelecimento de sítios específicos de manejo diferenciado do solo, a partir dos atributos teor de argila, capacidade de troca de cátions, matéria orgânica do solo e saturação de bases.
Abstract: The understanding of the factors influencing yield is essential for the crop success and adoption of site-specific management. The use of artificial neural networks (ANN) is an alternative of corn yield prediction from soil properties attributes. Thus, this study aimed to evaluate the effectiveness of adoption of soil properties by interface of the regression analysis, and ANNs in the establishment of site-specific management zones and prediction of corn yield, second crop in Cerrado’s soil. Data were collected in an area of 41.76 ha cropped in 2010 and 2011. The adoption of ANNs allows better corn yield prediction despite of higher demand of construction time and processing when compared to linear regression. In consonance to the soil site-specific establishment from clay content, exchange cation capacity, organic matter and base soil saturation.
Licença:: Bragantia - Este é um artigo publicado em acesso aberto (Open Access) sob a licença Creative Commons Attribution, que permite uso, distribuição e reprodução em qualquer meio, sem restrições desde que o trabalho original seja corretamente citado (CC BY 4.0). Fonte: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0006-87052015000400436&lng=en&nrm=iso. Acesso em: 11 maio 2018.
DOI: http://dx.doi.org/10.1590/1678-4499.0140
Collection(s) :Artigos publicados em periódicos e afins

Affichage détaillé " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/29499/statistics">



Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.