Regressão linear múltipla e modelo Random Forest para estimar a densidade do solo em áreas montanhosas
AUTOR(ES)
Carvalho Junior, Waldir de, Calderano Filho, Braz, Chagas, César da Silva, Bhering, Silvio Barge, Pereira, Nilson Rendeiro, Pinheiro, Helena Saraiva Koenow
FONTE
Pesq. agropec. bras.
DATA DE PUBLICAÇÃO
2016-09
RESUMO
Resumo O objetivo deste trabalho foi o desenvolvimento de modelos com diferentes conjuntos de dados, para estimar a densidade de solos de regiões tropicais montanhosas, a partir de atributos de solos comumente encontrados nas análises de perfis de solos descritos nos levantamentos regionais. O conjunto total de dados compõe-se de 163 amostras e foi dividido em seis grupamentos, dos quais três com 73 amostras, com o máximo de 32 covariáveis, e três com 163 amostras, com o máximo de 18 covariáveis. Testaram-se modelos de regressão linear múltipla (RLM) e randomForest (RF). A menor incerteza entre os modelos foi alcançada pelo RLM2, com R2 de 0,56, 13 covariáveis e 73 amostras. Nos grupamentos com 163 amostras, os melhores modelos foram os RF, com R2 médio de 0,48. A raiz quadrada da média do erro ao quadrado variou entre 0,09 e 0,14. As covariáveis mais importantes no modelo RF foram: carbono orgânico, hidrogênio, areia fina e grossa, saturação por bases e capacidade de troca catiônica. Pelo método "stepwise regression", as variáveis mais importantes foram: a relação silte/argila; areia grossa e fina; carbono orgânico; saturação por bases; e potássio.
ASSUNTO(S)
estoque de carbono funções de pedotransferência modelos dirigidos pelos dados stepwise
Documentos Relacionados
- Regressão linear múltipla e random forest para predição e mapeamento de atributos do solo utilizando dados de espectrômetro portátil de fluorescência de raios-X (pXRF)
- Modelo de regressão linear múltipla para avaliação do valor de mercado de apartamentos residenciais em Fortaleza, CE
- Equação de regressão linear múltipla para estimativa do erro experimental
- Modelo linear generalizado misto para estimar intensidade de doença em tomateiro.
- Modelo de Imputação Múltipla para Estimar Dados de Precipitação Diária e Preenchimento de Falhas