COMPARAÇÃO DE ESQUEMAS DE AMOSTRAGEM PARA TREINAMENTO DE MODELOS PREDITORES NO MAPEAMENTO DIGITAL DE CLASSES DE SOLOS

Os modelos preditores usados no mapeamento digital de solos (MDS) precisam ser treinados com dados que captem ao máximo a variação dos atributos do terreno e dos solos, a fim de gerar correlações adequadas entre as variáveis ambientais e a ocorrência dos solos. Para avaliar a acurácia desses modelos, tem sido constatado o uso de diferentes métodos de avaliação da acurácia no MDS. Os objetivos deste estudo foram comparar o uso de três esquemas de amostragem para treinar algoritmo de árvore de classificação (CART) e avaliar a capacidade de predição dos modelos gerados por meio de quatro métodos. Foram utilizados os esquemas de amostragem: aleatório simples; proporcional à área de cada unidade de mapeamento de solos (UM); e estratificado pelo número de UM. Os métodos de avaliação testados foram: aparente, divisão percentual, validação cruzada com 10 subconjuntos e reamostragem com sete conjuntos de dados independentes. As acurácias dos modelos estimadas pelos métodos foram comparadas com as acurácias mensuradas obtidas pela comparação dos mapas gerados, a partir de cada esquema de amostragem, com o mapa convencional de solos na escala 1:50.000. Os esquemas de amostragem influenciaram na quantidade de UMs preditas e na acurácia dos modelos e dos mapas gerados. Os esquemas de amostragem proporcional e estratificada resultaram mapas digitais menos acurados, e a acurácia dos modelos variou conforme o método de avaliação empregado. A amostragem aleatória resultou no mapa digital mais acurado e apresentou valores da acurácia semelhantes para todos os métodos de avaliação testados.

Programa computacional para estimativa de uniformidade de gotas de herbicidas aplicados por pulverização aérea

O objetivo deste trabalho foi o de apresentar o algoritmo de um programa computacional baseado em um método numérico de estimativa de perdas de herbicidas aplicados por pulverização aérea. Este método apresenta como entrada de dados a freqüência de tamanhos das gotas em papéis hidrossensíveis, observadas no gratículo de Porton acoplado ao microscópio. A partir desses valores calcula-se a distribuição acumulada do diâmetro médio do tamanho e do volume das gotas formadas pelo bico de pulverização utilizados na aplicação, conforme metodologia já conhecida. Os dados obtidos para estas curvas de distribuição permitem fazer uso do método numérico de interpolação linear para a obtenção do diâmetro mediano volumétrico e do diâmetro mediano numérico da gota. Estes valores são fundamentais para a determinação da uniformidade de gota. Este método numérico foi implementado em linguagem computacional, permitindo a comparação de valores observados com os encontrados pela interpolação, para papéis espalhados nas faixas de aplicação. É apresentado um exemplo de utilização do programa para placas de papel hidrossensível amostradas em experimento realizado em Pelotas, RS.

A consideração da estrutura das unidades em inferências derivadas do experimento

O modelo estatístico deve exprimir corretamente a estrutura do experimento. Isso é necessário para garantir que os componentes de variância que afetam efeitos referentes a fatores experimentais sejam idênticos aos componentes de variância usados para julgar a significância desses efeitos, exceto pelas próprias variâncias atribuíveis a esses efeitos. O modelo estatístico usualmente formulado ignora a estrutura das unidades que resulta de restrições à casualização. Como conseqüência, propriedades que decorrem da casualização não são apropriadamente levadas em conta, e inferências podem se tornar tendenciosas. Sugere-se um procedimento para identificação dos efeitos referentes à estrutura das unidades, e sua consideração no modelo estatístico e em inferências derivadas do experimento. Em particular, é proposto um algoritmo para a determinação prática dos valores esperados de quadrados médios que levam em conta apropriadamente a estrutura do experimento.

Abordagem Bayesiana da curva de lactação de cabras Saanen de primeira e segunda ordem de parto

O objetivo deste trabalho foi utilizar o método Bayesiano no ajuste do modelo de Wood a dados de produção de leite de cabras da raça Saanen. Dois grupos de animais da primeira e segunda lactação foram considerados. Amostras das distribuições marginais a posteriori dos parâmetros do modelo de Wood e das funções de produção derivadas desses parâmetros - pico de produção, tempo do pico de produção, persistência e produção total de leite - foram obtidas pelo algoritmo Gibbs Sampler. As inferências foram feitas em cada população e os resultados mostraram diferenças na taxa de decréscimo da produção após o pico e na persistência, indicando maior produção nos animais de segunda lactação. Realizou-se um estudo de simulação de dados para avaliar o método Bayesiano sob diferentes estruturas de matrizes de covariâncias dos parâmetros. Os resultados desse estudo indicam que o método é eficiente no estudo das curvas de lactação quando a matriz de covariância apresenta alta correlação dos parâmetros.

Comparação dos algoritmos delineação rápida em cadeia e seriação, para a construção de mapas genéticos

O objetivo deste trabalho foi avaliar a eficiência, na construção de mapas genéticos, dos algoritmos seriação e delineação rápida em cadeia, além dos critérios para avaliação de ordens: produto mínimo das frações de recombinação adjacentes, soma mínima das frações de recombinação adjacentes e soma máxima dos LOD Scores adjacentes, quando usados com o algoritmo de verificação de erros " ripple" . Foi simulado um mapa com 24 marcadores, posicionados aleatoriamente a distâncias variadas, com média 10 cM. Por meio do método Monte Carlo, foram obtidas 1.000 populações de retrocruzamento e 1.000 populações F2, com 200 indivíduos cada, e diferentes combinações de marcadores dominantes e co-dominantes (100% co-dominantes, 100% dominantes e mistura com 50% co-dominantes e 50% dominantes). Foi, também, simulada a perda de 25, 50 e 75% dos dados. Observou-se que os dois algoritmos avaliados tiveram desempenho semelhante e foram sensíveis à presença de dados perdidos e à presença de marcadores dominantes; esta última dificultou a obtenção de estimativas com boa acurácia, tanto da ordem quanto da distância. Além disso, observou-se que o algoritmo " ripple" geralmente aumenta o número de ordens corretas e pode ser combinado com os critérios soma mínima das frações de recombinação adjacentes e produto mínimo das frações de recombinação adjacentes.

Avaliação de fluxos de calor e evapotranspiração pelo modelo SEBAL com uso de dados do sensor ASTER

O objetivo deste trabalho foi avaliar a eficiência da aplicação do modelo SEBAL em estimar os fluxos de energia em superfície e a evapotranspiração diária, numa extensa área de cultivo de arroz irrigado, no município de Paraíso do Sul, RS, tendo como parâmetros dados do sensor ASTER. As variáveis estudadas constituem importantes parâmetros do tempo e do clima em estudos agrometeorológicos e de racionalização no uso da água. As metodologias convencionais de estimativa desses parâmetros são pontuais e geralmente apresentam incertezas, que aumentam quando o interesse é o comportamento espacial desses parâmetros. Aplicou-se o algoritmo "Surface Energy Balance Algorithm for Land" (SEBAL), em uma imagem do sensor "Advanced Spaceborne Thermal Emission and Reflection Radiometer" (ASTER). As estimativas obtidas foram comparadas com medições em campo, realizadas por uma estação micrometeorológica localizada no interior da área de estudo. As estimativas mais precisas foram as de fluxo de calor sensível e de evapotranspiração diária, e a estimativa que apresentou maior erro foi a do fluxo de calor no solo. A metodologia empregada foi capaz de reproduzir os fluxos de energia em superfície de maneira satisfatória para estudos agrometeorológicos e de rendimento de culturas.

Atributos topográficos e dados do Landsat7 no mapeamento digital de solos com uso de redes neurais

O objetivo deste trabalho foi avaliar variáveis discriminantes no mapeamento digital de solos com uso de redes neurais artificiais. Os atributos topográficos elevação, declividade, aspecto, plano de curvatura e índice topográfico, derivados de um modelo digital de elevação, e os índices de minerais de argila, óxido de ferro e vegetação por diferença normalizada, derivados de uma imagem do Landsat7, foram combinados e avaliados quanto à capacidade de discriminação dos solos de uma área no noroeste do Estado do Rio de Janeiro. Foram utilizados o simulador de redes neurais Java e o algoritmo de aprendizado "backpropagation". Os mapas gerados por cada um dos seis conjuntos de variáveis testados foram comparados com pontos de referência, para a determinação da exatidão das classificações. Esta comparação mostrou que o mapa produzido com a utilização de todas as variáveis obteve um desempenho superior (73,81% de concordância) ao de mapas produzidos pelos demais conjuntos de variáveis. Possíveis fontes de erro na utilização dessa abordagem estão relacionadas, principalmente, à grande heterogeneidade litológica da área, que dificultou o estabelecimento de um modelo de correlação ambiental mais realista. A abordagem utilizada pode contribuir para tornar o levantamento de solos no Brasil mais rápido e menos subjetivo.

Imagens mono e multitemporais Modis para estimativa da área com soja no estado de Mato Grosso

O objetivo deste trabalho foi avaliar uma nova metodologia para mapeamento da cultura da soja no Estado de Mato Grosso, por meio de imagens Modis e de diferentes abordagens de classificação de imagens. Foram utilizadas imagens diárias e imagens de 16 dias. As imagens diárias foram diretamente classificadas pelo algoritmo Isoseg. As duas séries de imagens de 16 dias, referentes ao ciclo total e à metade do ciclo da cultura da soja, foram transformadas pela análise de componentes principais (ACP), antes de serem classificadas. Dados de referência, obtidos por interpretação visual de imagens do sensor TM/Landsat-5, foram utilizados para a avaliação da exatidão das classificações. Os melhores resultados foram obtidos pela classificação das imagens do ciclo total da soja, transformadas pela ACP: índice global de 0,83 e Kappa de 0,63. A melhor classificação de imagens diárias mostrou índice global de 0,80 e Kappa de 0,55. AACP aplicada às imagens do ciclo total da soja permitiu o mapeamento das áreas de soja com índices de exatidão melhores do que os obtidos pela classificação derivada das imagens de data única.

Geotecnologias aplicadas à avaliação de parâmetros biofísicos do Pantanal

O objetivo deste trabalho foi avaliar parâmetros biofísicos de superfície do Bioma Pantanal com a aplicação de geotecnologias. Foram utilizados o algoritmo Sebal ("surface energy balance algorithm for land"), imagens do sensor Modis ("moderate‑resolution imaging spectroradiometer") e o mapa de classes de uso e cobertura da terra. Os resultados obtidos para NDVI, temperatura da superfície, albedo, fluxo de calor sensível diário, saldo de radiação diário e evapotranspiração real diária foram consistentes com dados de literatura para os diferentes usos e cobertura da terra, e corroboram a eficiência da capacidade analítica e sinóptica das estimativas do Sebal. Tais resultados mostram o potencial de geotecnologias na implementação de modelos ou algoritmos voltados para a compreensão da dinâmica de processos biofísicos de interação solo‑planta‑atmosfera do Pantanal.

Obstrução do horizonte calculada a partir de modelo digital de elevação

O objetivo deste trabalho foi avaliar a exatidão do cálculo da obstrução do horizonte, a partir de um modelo digital de elevação (MDE), em diferentes situações topográficas. O material utilizado incluiu um MDE disponível para a região da Serra Gaúcha, RS, receptores GPS, câmera digital, lente grande‑angular e os programas Idrisi, Arcview/ArcGIS e Solar Analyst. Foram adquiridas fotografias hemisféricas, e coletadas as coordenadas de 16 locais na área de estudo. As coordenadas e o MDE foram utilizados para calcular a obstrução do horizonte com uso do algoritmo Solar Analyst. Foram comparadas a fração aberta do céu calculada e a obtida pelas fotografias hemisféricas. O coeficiente de determinação foi de 0,8428, tendo-se observado superestimativa média de 5,53% da fração aberta do céu. Os erros são atribuídos principalmente à obstrução pela vegetação, que não pode ser identificada pelo MDE. A obstrução do horizonte, causada pelo relevo na Serra Gaúcha, pode ser calculada satisfatoriamente pelo Solar Analyst, a partir de um MDE interpolado de cartas topográficas na escala 1:50.000.