SeleÃÃo de variÃveis para definiÃÃo de unidades de manejo atravÃs da lÃgica fuzzy C-means / Selection of variables for definition of management units by fuzzy c-means logic

AUTOR(ES)

Ricardo Sobjak

FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

09/04/2012

RESUMO

A Ãrea de produÃÃo agrÃcola contÃm informaÃÃes importantes para se entender a resposta quanto à produtividade de uma cultura. A agricultura de precisÃo proporciona aos agricultores adquirirem e tratarem as variaÃÃes encontradas na Ãrea de forma adequada. Unidades de manejo (UM) proporcionam a implantaÃÃo da agricultura de precisÃo de forma viÃvel e relativamente mais econÃmica, representando regiÃes homogÃneas, que podem ser tratadas de forma diferenciada. Este trabalho consistiu em gerar unidades de manejo com diferentes nÃmeros de variÃveis atravÃs do algoritmo fuzzy C-means, baseando-se em atributos correlacionados espacialmente com a produtividade. O objetivo à avaliar a eficiÃncia relativa de cada unidade de manejo e verificar se os diferentes modos de composiÃÃo de variÃveis se diferenciam na geraÃÃo de UM. Geraram-se 15 delineamentos de UM, divididos de 2 a 5 classes, baseando-se nos atributos cobre, silte, argila e altitude, que foram correlacionados com a produtividade. A variÃvel cobre teve a maior correlaÃÃo espacial com a produtividade, a qual proporcionou a geraÃÃo de UM com bons resultados de eficiÃncia relativa e boa separaÃÃo dos dados entre as classes. A eficiÃncia relativa nÃo se apresentou de forma ordenada, crescente ou decrescente, quanto ao nÃmero de variÃveis utilizadas no delineamento em UM. A UM delineada a partir das variÃveis Cu e argila, dividida em cinco classes, foi a que apresentou maior eficiÃncia relativa

ASSUNTO(S)

agricultura de precisÃo correlaÃÃo espacial eficiÃncia relativa precision agriculture spatial correlation relative efficiency engenharia agricola

Documentos Relacionados

• DefiniÃÃo de uma superfÃcie geoidal local atravÃs de posicionamento por GPS
• DetecÃÃo de ateromas com base em espectroscopia Raman utilizando ferramentas de seleÃÃo de variÃveis e classificaÃÃo de padrÃes.
• Tumor classification and marker gene prediction by feature selection and fuzzy c-means clustering using microarray data
• Regionalização de precipitação com determinação de regiões homogêneas via agrupamento fuzzy c-means
• TransferÃncia de calibraÃÃo de instrumentos para anÃlise espectromÃtrica empregando seleÃÃo de variÃveis, reamostragem e combinaÃÃo de modelos.