Uso da técnica de vizinhança e rede neural artificial na estimativa de necessidade de calagem

Abstract

O emprego de novas tecnologias tem sido de grande importância nas investigações agronômicas, como a Inteligência Artificial (IA), o que pode representar uma estratégia eficiente para simulação e otimização de processos importantes na agricultura. O estudo tem como objetivo reduzir a quantidade de amostras necessárias para um possível mapeamento da necessidade de calagem do solo. A coleta dos dados foi obtida a partir de um esquema de grade amostral de 60x60 m. Os dados da coleta foram utilizados para treinamento da ANN, empregando o software Octave. Foi realizada uma adaptação da técnica de vizinhança para possibilitar a redução da quantidade de amostras. O desempenho nas fases de validação externa, calibração e treinamento foram utilizados como critério para definir a melhor ANN, no qual a ANN1 com exceção do teste e validação externa que se obteve desempenho muito bom, apresentou desempenho ótimo nas demais fases de calibração, tendo 6 neurônios na camada oculta e apresentando uma correlação acima de 89%. Por meio do Teste-t, foi mensurado que não houve diferença significativa das estimativas de necessidade de calagem usando ANN e o cálculo pelo método tradicional de necessidade de calagem. A técnica vizinhança adaptada para inserção de dados na ANN possibilitou diminuir em 30% o número de amostras a serem coletadas para um possível mapeamento da necessidade de calagem a taxa variada.