ESTIMATING CO2 EMISSIONS FROM TILLED SOILS THROUGH ARTIFICIAL NEURAL NETWORKS AND MULTIPLE LINEAR REGRESSION1
AUTOR(ES)
VITÓRIA, EDNEY LEANDRO DA; SIMON, CARLA DA PENHA; LACERDA, ELCIO DAS GRAÇA; FREITAS, ISMAEL LOURENÇO DE JESUS; GONTIJO, IVONEY
FONTE
Revista Caatinga
DATA DE PUBLICAÇÃO
2022
RESUMO
RESUMO A quantificação das emissões destes gases do solo é onerosa, uma vez que requer metodologias e equipamentos específicos. O objetivo deste foi avaliar a modelagem utilizando regressão não linear e redes neurais artificiais para estimar a emissão de CO2 em função do manejo do solo, e de suas propriedades físicas e químicas. A emissão de CO2 foi avaliada em dois diferentes manejos do solo, o plantio direto e o cultivo mínimo. As leituras de fluxo CO2 foram realizadas por meio de uma câmara de sistema fechado automático, determinou-se ainda a temperatura e teor de água do solo, densidade do solo e carbono orgânico total. O modelo de regressão e os modelos de redes neurais artificiais foram ajustados a partir da correlação entre as variáveis medidas nas áreas em que o solo foi manejado com plantio direto e cultivo mínimo, com os dados de emissão de CO2. As redes neurais artificiais são mais precisas na determinação das relações entre a emissão de CO2 e a temperatura, teor de água no solo, densidade do solo e carbono orgânico, quando comparado com os resultados de regressão linear.
Documentos Relacionados
- Egg hatchability prediction by multiple linear regression and artificial neural networks
- Artificial neural networks, quantile regression, and linear regression for site index prediction in the presence of outliers
- Effects of population and affluence on CO2 emissions
- Prediction of Topsoil Texture Through Regression Trees and Multiple Linear Regressions
- Entrainment of Lemna CO2 Output Through Phytochrome 1