Redes neurais artificiais na estimativa da retenção de água do solo / Artificial neural networks to estimate soil water retention

O trabalho teve como objetivo apresentar uma proposta de metodologia para estimativa da curva de retenção de água, para solos do Estado do Rio Grande do Sul, a partir do uso de redes neurais artificiais. Para o desenvolvimento do trabalho, foi montado um banco de dados com informações disponíveis na literatura, de textura e estrutura dos solos do Estado do Rio Grande do Sul. Para o desenvolvimento das redes, utilizou-se o software Matlab, no qual foram treinadas diferentes arquiteturas, variando os números de neurônios na camada de entrada e camada intermediária. A eficiência das redes foi analisada graficamente pela relação 1:1, entre os dados estimados versus os observados, por meio de indicadores estatísticos. Observou-se, a partir dos resultados, que a arquitetura com melhor capacidade preditiva foi: 4-24-7, com classificação do índice de desempenho "ótimo". Assim, pode-se inferir que o uso de redes neurais, para estimativa da curva de retenção de água no solo, é uma ferramenta com alta capacidade preditiva e que trará grande contribuição ao setor agrícola.

The study aims to propose a methodology for estimating the water retention curve for soils of the State of Rio Grande do Sul, by using artificial neural networks. For the development of the research it was assembled a database with information available in the literature, texture and structure of soils of Rio Grande do Sul. The modeling was developed using the software Matlab, where the networks were trained with different architectures, varying the numbers of neurons in the input layer and the hidden layer. The efficiency of the network was analyzed graphically by the ratio 1:1 between the estimated versus the observed data by means of statistical indicators. It was observed from the results that the architecture with best predictive performance was the 4-24-7, with index classification of "great" performance. Thus it can be inferred that the use of neural networks to estimate the water retention curve of the soil is a tool with high predictive ability which will bring great contribution to the agricultural sector.

Funções de pedotransferência para estimativa da retenção de água em alguns solos do Rio Grande do Sul / Pedotransfer functions to estimate the water retention in some soils of Rio Grande do Sul state, Brazil

As propriedades hidráulicas do solo são determinações consideradas caras e de difícil obtenção. O uso de funções de pedotransferência (FPTs) consiste em uma alternativa para a obtenção dessas informações de forma mais fácil e com menor custo. O objetivo desse estudo foi desenvolver e validar FPTs para estimar a retenção de água em alguns solos do Estado do Rio Grande do Sul (RS). O trabalho foi realizado utilizando-se dados de análises físicas de solos pertencentes ao banco de dados do Laboratório do Sistema Irriga, Universidade Federal de Santa Maria. Este banco de dados é composto por informações de textura do solo (areia, silte e argila), densidade (do solo e de partículas), porosidade do solo (macro, micro e total), além das informações do conteúdo de água nos potenciais matriciais de 0, -1, -6,-33, -100, -500 e -1500kPa de amostras coletadas na camada superficial de solos irrigados por aspersão, das regiões do planalto, missões e fronteira oeste do RS. As variáveis foram submetidas a um teste de correlação e, posteriormente, foram realizadas análises de regressão múltipla para a obtenção das FPTs, utilizando a opção stepwise do programa estatístico SAS. As FPTs obtidas indicaram associações apenas de atributos estruturais do solo com a retenção de água em potenciais mais elevados (0 e -1kPa) e de atributos texturais e estruturais, nos potenciais mais baixos (-33, -100, -500 e -1500kPa). As FPTs apresentaram alta precisão na estimativa da retenção de água nos potenciais considerados.

Soil physical hydraulic properties are determinations considered expensive and difficult to obtain. The use of pedotransfer functions (PTFs) is an alternative for obtaining such properties more easily and practically costless. The objective of this study was to develop and validate PTFs to estimate soil water retention of different textural soil classes in the State of Rio Grande do Sul, Brazil. The research was carried out using data from physical analysis of soils belonging to the database of Sistema Irriga laboratory, Universidade Federal de Santa Maria. This database consists of soil texture information (sand, silt and clay), density (of soil and of particles), soil porosity (macro, micro and total), besides of water content information at the matrix potential of 0, -1, -6,-33, -100, -500 e -1500kPa. Soil samples were collected on the surface layer of cultivated soils of RS. The variables were submitted to a correlation test, and were subsequently analyzed in multiple regressions test to obtain the PTFs, using the stepwise option of the SAS statistical program. The generated PTFs showed greater associations of soil attributes only related to soil structure such as soil water retention for higher potential (0 and -1kPa) and textural and structural attributes for lower potential (-33, -100, -500 e -1500kPa). The PTFs showed high accuracy in estimating soil water holding capacity of the considered potentials.