Resumo -O objetivo deste trabalho foi avaliar, sob chuva simulada, o efeito da cobertura vegetal sobre a erosão de um Argissolo Vermelho, no Estado de Mato Grosso do Sul, nos seguintes sistemas de cultivo: soja, com preparo convencional; soja, em plantio direto; pastagem estabelecida, sem pisoteio animal; e condição de solo exposto, como padrão de comparação. A cada 20 dias, foram tiradas fotografias digitais para a estimativa da cobertura do solo, e chuvas simuladas de 60 mm h -1 foram aplicadas às parcelas experimentais, com uso do simulador portátil de chuvas. As perdas de solo, quantificadas a cada 2 min, variaram de 3,10 a 11,40 Mg ha , no cultivo de soja sob plantio direto. As perdas de solo diminuíram com o aumento da cobertura vegetal. Na pastagem, a máxima cobertura foi de 98,10%. Os efeitos benéficos do preparo convencional são temporários, o que torna o solo mais suscetível à erosão do que os sistemas conservacionistas.Termos para indexação: Glycine max, Urochloa ruziziensis, perda de solo e água, chuva simulada. Hydraulic erosion in different tillage systems and soil coverAbstract -The objective of this work was to evaluate, under simulated rainfall, the effect of soil cover on the erosion of a Typic Hapludalf erosion, in the state of Mato Grosso do Sul, Brazil, in the following crop systems: soybean, under conventional tillage; soybean, under no-tillage; established pasture, without cattle trampling; and exposed soil, as a comparison standard. Digital photographs were taken every 20 days for soil cover estimate, and 60 mm h -1 simulated rainfall was applied on the experimental plots, using a portable sprinkler infiltrometer. Soil losses, quantified every 2 min, ranged from 3.10 to 11.40 Mg ha -1 , in exposed soil, and from 0.03 to 0.19 Mg ha -1 , in established pasture; water losses ranged from 300 to 555 m 3 ha -1 , in exposed soil, and from 63 to 229 m 3 ha -1 , in soybean cultivation under no-tillage. Soil losses decreased with the increase in vegetation cover. In the pasture, the maximum vegetation cover was 98.10%. Conventional tillage has temporary positive effects, which makes the soil more susceptible to erosion than the conservationist systems.
RESUMO:Com o objetivo de comparar dois classificadores de imagens para a estimativa da cobertura vegetal do solo, foram avaliadas as coberturas proporcionadas pela semeadura de leguminosas e de gramíneas, sob diferentes espaçamentos, preparo do solo e condições de céu com e sem nuvens. O experimento foi conduzido em quatro parcelas experimentais de perda de solo, com 22 m x 3,5 m, instaladas em um Argissolo Vermelho-Amarelo. Os tratamentos consistiram: a) mucuna-cinza (Mucuna pruriens) em nível; b) crotalária (Crotalaria juncea) em sulcos dispostos em nível; c) milho (Zea mays L.) em sulcos dispostos em nível, e d) milho semeado no sentido do declive. Foram tomadas fotografias das parcelas dos 15 aos 85 dias após a semeadura para posterior análise, utilizando o Sistema Integrado para Análise de Raízes e Cobertura do Solo (SIARCS) e um algoritmo baseado na emissividade das bandas do verde e do vermelho (SEROBIN). A maior cobertura do solo foi obtida na parcela cultivada com crotálaria (85,8%), a qual também foi alcançada em menor tempo (56 dias após semeadura). Por outro lado, as menores coberturas foram proporcionadas pelos tratamentos milho em nível e milho morro abaixo (38,6 e 35,2%, respectivamente). As exatidões globais foram de 0,96 e 0,92, para as classificações realizadas com os programas SIARCS e SEROBIN, respectivamente, não havendo, no entanto, diferença estatística entre os dois classificadores utilizados, de acordo com o teste Z aplicado, a 5% de probabilidade. PALAVRAS-CHAVE:erosão do solo, plantas de cobertura, manejo do solo, processamento de imagens. COMPARISON OF DIGITAL IMAGE CLASSIFIERS FOR SOIL COVER DETERMINATIONABSTRACT: In order to compare two image classifiers for soil cover estimation under both clear sky conditions and sky with clouds, it was evaluated the soil cover by grass and bean crops cultivated in different densities and tillage systems. The experiment was conducted in four soil loss experimental plots of 22.0 m by 3.5 m, in a Red-yellow argil soil. The four treatments consisted of sowing the velvet bean (Mucuna pruriens), sun hemp (Crotalaria juncea) and corn (Zea mays L.), all three following the contour lines, and corn following the slope line. The plot images were acquired from 15 to 85 days after sowing. The soil cover was estimated by off-shelf software (SIARCS) and a proposed algorithm based on green and red bad reflectance (SEROBIN). The highest soil cover was obtained in the sun hemp plot (85.8%), which was also obtained sooner (56 days after sowing). On the other hand, the lowest soil covers were obtained in both corn plots, following the contour lines and the slope line (38.6 and 35.2%, respectively). The overall classification accuracies were 0.96 for SIARCS and 0.92 for SEROBIN. There was no statistical difference between the classifiers using the Z test at the 5% significance level.
Neste trabalho, desenvolveu-se um programa computacional para estimar a cobertura do solo, utilizando-se redes neurais (RN) treinadas por retropropagação do erro. Os dados para treinamento das RN foram obtidos de imagens digitais coloridas. Utilizou-se a razão entre a banda do verde e do vermelho para o pré-processamento das amostras de treinamento. Foram testadas cinco RN com arquiteturas 25-n1-n2-2. A arquitetura 25-20-10-2 foi a que apresentou melhor resultado sendo, portanto, utilizada no programa computacional classificador. O classificador apresentou índice de exatidão global de 82,10%, cujo resultado mostra que redes neurais podem ser utilizadas em programas computacionais para separar feições onde a diferença entre a intensidade do brilho não permite a aplicação da técnica da limiarização.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.