Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia.
O objetivo do trabalho foi comparar dois modelos de machine-learning, Regressão Linear Múltipla (RLM) e Random Forest (RF), para a predição da distribuição da fração areia total do solo.
Guardado en:
| Autores principales: | , , , , , , |
|---|---|
| Otros Autores: | |
| Formato: | Resumo em anais e proceedings biblioteca |
| Idioma: | Portugues pt_BR |
| Publicado: |
2023-12-27
|
| Materias: | Mapeamento digital, Modelos preditivos, Granulometria do solo, |
| Acceso en línea: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1160243 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| id |
dig-alice-doc-1160243 |
|---|---|
| record_format |
koha |
| spelling |
dig-alice-doc-11602432023-12-27T13:32:34Z Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. SALDANHA, G. da R. PINHEIRO, H. S. K. CARVALHO JUNIOR, W. de CHAGAS, C. da S. RODRIGUES, N. B. RAMOS, E. E. C. GUIMARÃES, L. D. D. GABRIELA DA ROCHA SALDANHA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO HELENA SARAIVA KOENOW PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO WALDIR DE CARVALHO JUNIOR, CNPS CESAR DA SILVA CHAGAS, CNPS NIRIELE BRUNO RODRIGUES, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO ERIKA ELISSANDRA CASSIMIRO RAMOS, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO LEONARDO DURVAL DUARTE GUIMARÃES, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO MATO GROSSO. Mapeamento digital Modelos preditivos Granulometria do solo O objetivo do trabalho foi comparar dois modelos de machine-learning, Regressão Linear Múltipla (RLM) e Random Forest (RF), para a predição da distribuição da fração areia total do solo. 2023-12-27T13:32:34Z 2023-12-27T13:32:34Z 2023-12-27 2023 Resumo em anais e proceedings In: CONGRESSO LATINO-AMERICANO DE CIÊNCIA DO SOLO, 23.; CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 38., 2023, Florianópolis. Anais [...]. Florianópolis: Epagri, 2023. p. 110. Ref. ID 1206. http://www.alice.cnptia.embrapa.br/alice/handle/doc/1160243 Portugues pt_BR openAccess |
| institution |
EMBRAPA |
| collection |
DSpace |
| country |
Brasil |
| countrycode |
BR |
| component |
Bibliográfico |
| access |
En linea |
| databasecode |
dig-alice |
| tag |
biblioteca |
| region |
America del Sur |
| libraryname |
Sistema de bibliotecas de EMBRAPA |
| language |
Portugues pt_BR |
| topic |
Mapeamento digital Modelos preditivos Granulometria do solo Mapeamento digital Modelos preditivos Granulometria do solo |
| spellingShingle |
Mapeamento digital Modelos preditivos Granulometria do solo Mapeamento digital Modelos preditivos Granulometria do solo SALDANHA, G. da R. PINHEIRO, H. S. K. CARVALHO JUNIOR, W. de CHAGAS, C. da S. RODRIGUES, N. B. RAMOS, E. E. C. GUIMARÃES, L. D. D. Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. |
| description |
O objetivo do trabalho foi comparar dois modelos de machine-learning, Regressão Linear Múltipla (RLM) e Random Forest (RF), para a predição da distribuição da fração areia total do solo. |
| author2 |
GABRIELA DA ROCHA SALDANHA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO |
| author_facet |
GABRIELA DA ROCHA SALDANHA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO SALDANHA, G. da R. PINHEIRO, H. S. K. CARVALHO JUNIOR, W. de CHAGAS, C. da S. RODRIGUES, N. B. RAMOS, E. E. C. GUIMARÃES, L. D. D. |
| format |
Resumo em anais e proceedings |
| topic_facet |
Mapeamento digital Modelos preditivos Granulometria do solo |
| author |
SALDANHA, G. da R. PINHEIRO, H. S. K. CARVALHO JUNIOR, W. de CHAGAS, C. da S. RODRIGUES, N. B. RAMOS, E. E. C. GUIMARÃES, L. D. D. |
| author_sort |
SALDANHA, G. da R. |
| title |
Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. |
| title_short |
Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. |
| title_full |
Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. |
| title_fullStr |
Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. |
| title_full_unstemmed |
Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. |
| title_sort |
predição espacial de areia total através de machine learning: estudo de caso projeto salitre, bahia. |
| publishDate |
2023-12-27 |
| url |
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1160243 |
| work_keys_str_mv |
AT saldanhagdar predicaoespacialdeareiatotalatravesdemachinelearningestudodecasoprojetosalitrebahia AT pinheirohsk predicaoespacialdeareiatotalatravesdemachinelearningestudodecasoprojetosalitrebahia AT carvalhojuniorwde predicaoespacialdeareiatotalatravesdemachinelearningestudodecasoprojetosalitrebahia AT chagascdas predicaoespacialdeareiatotalatravesdemachinelearningestudodecasoprojetosalitrebahia AT rodriguesnb predicaoespacialdeareiatotalatravesdemachinelearningestudodecasoprojetosalitrebahia AT ramoseec predicaoespacialdeareiatotalatravesdemachinelearningestudodecasoprojetosalitrebahia AT guimaraesldd predicaoespacialdeareiatotalatravesdemachinelearningestudodecasoprojetosalitrebahia |
| _version_ |
1792482718916804608 |