Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Fernandes, Mariele Monique Honorato [UNESP] | - |
Autor(es): dc.creator | Coelho, Anderson Prates [UNESP] | - |
Autor(es): dc.creator | Silva, Matheus Flavio da [UNESP] | - |
Autor(es): dc.creator | Bertonha, Rafael Scabello [UNESP] | - |
Autor(es): dc.creator | de Queiroz, Renata Fernandes [UNESP] | - |
Autor(es): dc.creator | Furlani, Carlos Eduardo Angeli [UNESP] | - |
Autor(es): dc.creator | Fernandes, Carolina [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:33:45Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:33:45Z | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-06-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.catena.2020.104505 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/201518 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/201518 | - |
Descrição: dc.description | One of the most used evaluations to monitor soil compaction is based on soil penetration resistance (SPR). However, since SPR is influenced by soil moisture, this evaluation performed in the field may often lead to incorrect interpretations. This study aimed to evaluate the accuracy of models in the estimation of soil penetration resistance with standardized moisture (SPRlab) based on soil penetration resistance measured in the field (SPRfield) and on soil moisture (U) and indicate the best soil layer and best model for that. Samplings were carried out in the years 2016 (72 points – 24 in each layer) and 2017 (270 points – 90 in each layer) in three soil layers (0.00–0.10 m, 0.10–0.20 m and 0.20–0.30 m). Samples collected in 2017 were used to calibrate the models and samples collected in 2016 were used to validate them. The models used were obtained by multiple linear and nonlinear regressions and artificial neural networks (ANNs). Models were calibrated with all sampled layers and stratified per layer. In the latter case, the samples were separated into two parts, one with the surface layer (0.00–0.10 m) and another with subsurface layers (0.10–0.20 m and 0.20–0.30 m). SPRlab can be estimated with high accuracy from SPRfield and U measured in the field. We recommend the use of ANN models (MLP or RBF) and soil samples collected from the 0.10–0.30 m layer for the monitoring of soil penetration resistance. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | São Paulo State University (Unesp) School of Agricultural and Veterinarian Sciences, Via de Acesso Prof. Paulo Donato Castellane s/n, 14884-900 Jaboticabal | - |
Descrição: dc.description | São Paulo State University (Unesp) School of Agricultural and Veterinarian Sciences, Via de Acesso Prof. Paulo Donato Castellane s/n, 14884-900 Jaboticabal | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Catena | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Linear models | - |
Palavras-chave: dc.subject | Models accuracy | - |
Palavras-chave: dc.subject | Nonlinear models | - |
Palavras-chave: dc.subject | Soil moisture | - |
Título: dc.title | Estimation of soil penetration resistance with standardized moisture using modeling by artificial neural networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: