Biblioteca Digital da UEM: Sistema Nou-Rau
Pgina Principal  Portugus   English  Español   Aumentar Texto  Texto Normal  Diminuir Texto
  Principal | Apresentao | Objetivos | Instrues Autores | Estatsticas | Outras Bibliotecas Digitais
  Sistema Integrado de Bibliotecas - SIB / UEM
Entrar | acessos | verso 1.1  
ndice
Pgina principal
Documentos
Novidades
Usurios

Aes
Consultar
Procurar
Exibir estatsticas

Procurar por:
Procura avanada

Dvidas e sugestes


Consultar: Programa de Ps-Graduao em Agronomia

Incio > Dissertaes e Teses > Cincias Agrrias > Agronomia > Programa de Ps-Graduao em Agronomia

Ttulo [PT]: Espectrorradiometria e anlise multivariada na predio dos atributos qumicos e fsicos dos solos no noroeste do Paran
Autor(es): Franciele Romagnoli
Palavras-chave [PT]:

Solos. Espectrorradiometria. Modelo de predio. Anlise multivariada. PLSR. Regresso Stepwise. Paran. Brasil.
Palavras-chave [EN]:
Soils. Spectroradiometry. Prediction model. Multivariate analysis. PLSR. Stepwise regression. Paran. Brazil.
rea de concentrao: Solos e Nutrio de Plantas
Titulao: Mestre em Solos e Nutrio de Plantas
Banca:
Marcos Rafael Nanni [Orientador] - UEM
Peterson Ricardo Fiorio - Escola Superior de Agricultura Luiz de Queiroz - UEM
Antnio Carlos Andrade Gonalves - UEM
Resumo:
Resumo: Este trabalho teve como objetivo avaliar dois mtodos de anlise multivariada: PLSR pelo programa Quimiomtrico ParLes e a Regresso linear mltipla com seleo de variveis Stepwise pelo SAS na predio dos atributos qumicos (SiO2, Al2O3, Fe2O3, TiO2 e C.O.) e fsicos (areia, silte e argila) do solo por meio dos dados de reflectncia de um espectrorradimetro em laboratrio. As reas escolhidas para o estudo esto localizadas no noroeste do Paran, em litossequncia localizada na faixa de transio entre o Basalto e o Arenito. Foram coletadas amostras de solo caracterizando os horizontes A e B e estas foram submetidas a anlises qumicas, fsicas e mineralgicas na Universidade Estadual de Maring. As leituras espectrais foram realizadas em um espectrorradimetro no intervalo de 350 a 2.500 nm, possibilitando a predio dos atributos do solo por meio de sua resposta espectral. Foram adotadas duas metodologias para construo dos modelos de predio; a primeira foi a utilizao das amostras globais (HA+HB) para predio dos atributos. A segunda metodologia foi a separao das amostras do HA (0-0,20 m) e HB (0,80 - 1m) e consequente, obteno de modelos de predio para os horizontes diagnosticamente separados. As amostras globais possibilitaram a obteno de modelos de predio com melhor desempenho que os modelos ajustados pelas amostras pertencentes aos horizontes A e B, tanto para o PLSR quanto para a regresso Stepwise para quase todos os atributos estudados, com exceo do C.O., que teve melhor desempenho para o HA. Os modelos de predio do silte, C.O. e TiO2, no apresentaram bons desempenhos, tanto na fase de calibrao, quanto na de validao para os dois mtodos estatsticos. O Parles e o SAS mostraram desempenhos semelhantes para a fase de calibrao dos modelos de predio. Para a fase de validao, com modelos ajustados a partir das amostras globais, a tcnica PLSR apresentou melhor desempenho que a regresso Stepwise para os atributos Al2O3, TiO2 e C.O. e foram semelhantes para o restante dos atributos. Para os modelos do HA, a tcnica PLSR apresentou melhor desempenho que a regresso Stepwise para os atributos Fe2O3 e silte e pior para a SiO2 e TiO2. J para o HB, a regresso Stepwise possibilitou ajuste de melhores modelos para o TiO2 e C.O. e semelhantes para o restante dos atributos. Portanto, a concluso que a utilizao das amostras globais geraram modelos de predio com melhores desempenhos, com exceo para o C.O.. O mtodo de regresso Stepwise mais indicado, uma vez que ele apresenta o modelo de predio.

Abstract: This study aimed to evaluate two methods of multivariate analysis: PLSR through the chemometric ParLes program and multiple linear regression with Stepwise variable selection by SAS in the prediction of soil chemical (SiO2, Al2O3, Fe2O3, TiO2 and C.O.) and physical attributes (sand, silt and clay) using reflectance data of a laboratory spectroradiometer. The areas chosen for study are located in the northwest of Paran in lithosequence located in the transition range between Basalt and Sandstone. Soil samples were collected characterizing the A and B horizons and subjected to physical, chemical and mineralogical analyzes at the Universidade Estadual de Maring. The spectral readings were taken in a spectroradiometer within the range of 350 to 2.500 nm, which allowed the prediction of soil properties through its spectral response. Two methodologies were adopted for the construction of predictive models; the first was the use of bulk samples (HA + HB) for the prediction of attributes. The second method was the separation of the HA samples (0-0,20 m) and HB (0,80 - 1 m) and consequently, obtaining a prediction model for the horizons separated diagnostically. The aggregate samples (A and B horizons), allowed to obtain prediction models with better performance than the models adjusted for the samples belonging to A and B horizons, both for PLSR and for multiple linear regression with Stepwise selection of variables for almost all studied attributes, except only for the C.O., which had better performance for the HA. Silt, C.O. and TiO2, were the attributes that had the worst performances, both in the calibration and validation stages for the two statistical methods. Parles and SAS showed similar performances for the prediction models calibration stage. For the validation stage, with adjusted models from xv the bulk samples, the PLSR technique overcame the Stepwise regression for the attributes Al2O3, TiO2 and C.O. and they were similar for the other attributes. For the HA models, the PLSR technique performed better than the Stepwise regression for the attributes Fe2O3 and silt and worse for the SiO2 and TiO2. Meanwhile for the HB, the Stepwise regression allowed the adjustment of better models for TiO2 and C.O. and similar for the other attributes. Therefore, the conclusion is that the use of bulk samples generated prediction models with better performances, except for C.O.. The Stepwise regression method is the most suitable since it provides the prediction model.
Data da defesa: 23/02/2013
Cdigo: vtls000211681
Informaes adicionais:
Idioma: Portugus
Data de Publicao: 2013
Local de Publicao: Maring, PR
Orientador: Prof. Dr. Marcos Rafael Nanni
Instituio: Universidade Estadual de Maring. Centro de Cincias Agrrias
Nvel: Dissertao (mestrado em Agronomia)/
UEM: Programa de Ps-Graduao em Agronomia

Responsavel: zenaide
Categoria: Aplicao
Formato: Documento PDF
Arquivo: Franciele Romagnoli.pdf
Tamanho: 1632 Kb (1671412 bytes)
Criado: 22-09-2015 10:16
Atualizado: 22-09-2015 10:41
Visitas: 341
Downloads: 4

[Visualizar]  [Download]

Todo material disponvel neste sistema de propriedade e responsabilidade de seus autores.