Utilização de diferentes técnicas de machine learning no processo de determinação da emissão da CO2 do solo, em função dos atributos do sistema solo-planta-atmosfera
Carregando...
Arquivos
Data
2022-09-22
Autores
Orientador
Rolim, Glauco de Souza 
Coorientador
Panosso, Alan Rodrigo
Pós-graduação
Agronomia (Ciência do Solo) - FCAV
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Neste trabalho, foram gerados modelos para predizer a emissão de CO2 do solo (FCO2), em função das variáveis que compõem o sistema solo planta-atmosfera, utilizando técnicas de machine learning em áreas agrícolas cultivadas com cana-de-açúcar, nos estados de São Paulo e Mato Grosso do Sul. Os estudos foram realizados a partir de um conjunto de dados, oriundos de experimentos conduzidos em áreas de cana-de-açúcar nos municípios de Guariba (SP), Pradópolis (SP) e Aparecida do Taboado (MS). As determinações da FCO2 foram registradas nas áreas de estudo pelo sistema LI-COR (LI-8100). No estudo 1 foi obtido o seguinte modelo mecanístico: FCO2 = 2,5938 + 0,0065*matéria orgânica prevista – 0,0401*porosidade livre d’água prevista. O valor do coeficiente de determinação do modelo foi de R2 = 0,824, e o seu respectivo valor ajustado foi R2ajustado = 0,807. No estudo 2 foram testados 11 algoritmos de machine learning para determinar a emissão do CO2 do solo, em função dos atributos que compõem o sistema solo-planta-atmo
Resumo (inglês)
In this work, models were generated to predict soil CO2 emission (FCO2), as a function of the variables that make up the soil-plant-atmosphere system, using machine learning techniques in agricultural areas cultivated with sugarcane, in the states of São Paulo and Mato Grosso do Sul. The studies were carried out from a set of data from experiments carried out in sugarcane areas in the municipalities of Guariba (SP), Pradópolis (SP) and Aparecida do Taboado (MS). FCO2 determinations were recorded in the study areas by the LI-COR system (LI-8100). In study 1, the following mechanistic model was obtained: FCO2= 2,5938 + 0,0065*predicted organic matter – 0,0401*predicted water-free porosity. The value of the coefficient of determination of the model was R2 = 0,824, and its respective adjusted value was R2 adjusted = 0,807. In study 2, 11 machine learning algorithms were tested to determine the emission of CO2 from the soil, depending on the attributes that make up the soil-plant-atmosphere system and the algorith
Resumo (espanhol)
En este trabajo se generaron modelos para predecir las emisiones de CO2 del suelo (FCO2), a partir de las variables que componen el sistema suelo-planta-atmósfera, utilizando técnicas de aprendizaje automático en áreas agrícolas cultivadas con caña de azúcar, en los estados de São Paulo y Mato Grosso do Sul. Los estudios se realizaron utilizando un conjunto de datos provenientes de experimentos realizados en áreas de caña de azúcar en los municipios de Guariba (SP), Pradópolis (SP) y Aparecida do Taboado (MS). Las determinaciones de FCO2 se registraron en las áreas de estudio mediante el sistema LI-COR (LI-8100). En el estudio 1, se obtuvo el siguiente modelo mecanístico: FCO2 = 2,5938 + 0,0065*materia orgánica prevista – 0,0401*porosidad libre de agua prevista. El valor del coeficiente de determinación del modelo fue R2 = 0,824, y su respectivo valor ajustado fue R2ajustado = 0,807. En el estudio 2, se probaron 11 algoritmos de aprendizaje automático para determinar las emisiones de CO2 del suelo, con base e
Descrição
Idioma
Português
Como citar
SILVA, P. A. Utilização de diferentes técnicas de machine learning no processo de determinação da emissão da CO2 do solo, em função dos atributos do sistema solo-planta-atmosfera. 2025. 209 f. Tese (Doutorado em Agronomia ) - Universidade Estadual Paulista "Julio de Mesquita Filho", Jaboticabal, 2022.
