Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia.
Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia.
Autoria: 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.
Resumo: 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.
Ano de publicação: 2023
Tipo de publicação: Resumo em anais e proceedings
Unidade: Embrapa Solos
Palavras-chave: Granulometria do solo, Mapeamento digital, Modelos preditivos
Observações
1 - Por padrão são exibidas publicações dos últimos 20 anos. Para encontrar publicações mais antigas, configure o filtro ano de publicação, colocando o ano a partir do qual você deseja encontrar publicações. O filtro está na coluna da esquerda na busca acima.
2 - Para ler algumas publicações da Embrapa (apenas as que estão em formato ePub), é necessário ter, no celular ou computador, um desses softwares gratuitos. Sistemas Android: Google Play Livros; IOS: iBooks; Windows e Linux: software Calibre.
Acesse outras publicações
Acesse a Base de Dados da Pesquisa Agropecuária (BDPA) para consultar o acervo completo das bibliotecas da Embrapa.