Repository logo
 
Publication

Aplicação de técnicas de machine learning para classificação da aptidão dos solos para o regadio

2022Book part Open access
Simple item page
dc.contributor.authorTorres, Pedro
dc.contributor.authorDuarte, A.C.
dc.contributor.authorGeraldes, João
dc.contributor.authorMarques, Sílvia Gouveia
dc.date.accessioned2022-10-11T10:49:15Z
dc.date.available2022-10-11T10:49:15Z
dc.date.issued2022
dc.description.abstractEste trabalho consiste no desenvolvimento e validação de modelos de Machine Learning para a otimização de um sistema de rega de precisão utilizando algoritmos de classificação. A finalidade é atribuir a cada solo, localizado a sul do concelho do Fundão, Portugal, uma classe de aptidão para o regadio, classes essas que identificam as zonas regáveis, não regáveis bem como as que precisam de intervenção para serem regadas. Os dados dos casos de estudo foram anteriormente recolhidos por uma aluna de Mestrado da Escola Superior Agrária do IPCB (Portugal), onde incluíam vários condicionalismos (características dos solos que podem condicionar a aptidão para o regadio). A análise exploratória dos dados permitiu utilizar apenas os valores dos resultados relativamente às características dos solos que podem condicionar a aptidão para o regadio rejeitando assim todo o cálculo efetuado para a obtenção dos mesmos. Desta forma os dados do caso de estudo foram enriquecidos com esta informação para a aplicação nos algoritmos de Machine Learning. Em geral, o facto de retirar estas características que não revelavam impacto no estudo ajudaram a melhorar os modelos de classificação bem como a sua precisão. Diferentes algoritmos de Machine Learning foram desenvolvidos, testados e validados, tais como, Support Vetor Machine, kNN, Árvore de Decisão, Naive Bayes e Regressão Logística, para otimizar um sistema de rega de precisão de modo a atribuir uma a classe de aptidão de rega a novos solos introduzidos. A comparação dos modelos demonstrou que o método Naive Bayes é o que apresenta uma melhor precisão na altura de gerar uma classe de previsão.pt_PT
dc.description.abstractThis work consists of the development and validation of Machine Learning models for the optimization of a precision irrigation system using classification algorithms. The purpose is to assign to each soil, located in the south of the municipality of Fundão, Portugal, an class of capability to irrigation, classes that identify the irrigable and non-irrigated areas as well as those that need intervention to be irrigated. Data from the case studies were previously collected by a Master's student at the Escola Superior Agrária – IPCB (Portugal), which included several constraints (characteristics of soils that may affect the suitability for irrigation). The exploratory analysis of the data allowed us to use only the values of the results regarding the characteristics of the soils that may affect the suitability for irrigation, thus rejecting all the calculation made to obtain them. In this way, the case study data were enriched with this information for application in Machine Learning algorithms. In general, removing these features that had no impact on the study helped to improve the classification models as well as their accuracy. Different Machine Learning algorithms were developed, tested, and validated, such as Support Vector Machine, kNN, Decision Tree, Naive Bayes and Logistic Regression, to optimize a precision irrigation system in order to assign an irrigation suitability class. to new introduced soils. The comparison of the models showed that the Naive Bayes method is the one that presents the best precision when generating a prediction class.pt_PT
dc.description.versioninfo:eu-repo/semantics/publishedVersionpt_PT
dc.identifier.citationTORRES, Pedro [et al.] (2022) - Aplicação de técnicas de machine learning para classificação da aptidão dos solos para o regadio. In: Agrárias : pesquisa e inovação nas ciências que alimentam o mundo. Curitiba : ARTEMIS. Vol. VIII, p.209-224. ISBN 978-65-87396-68-2. DOI 10.37572/EdArt_260822682pt_PT
dc.identifier.doi10.37572/EdArt_260822682pt_PT
dc.identifier.isbn978-65-87396-68-2
dc.identifier.urihttp://hdl.handle.net/10400.11/8143
dc.language.isoporpt_PT
dc.peerreviewedyespt_PT
dc.publisherARTEMISpt_PT
dc.subjectAptidão solos regadiopt_PT
dc.subjectMachine Learningpt_PT
dc.subjectScikit-Learnpt_PT
dc.subjectAprendizagem Supervisionada.pt_PT
dc.subjectSoils capability irrigationpt_PT
dc.subjectMachine Learningpt_PT
dc.subjectScikit-Learnpt_PT
dc.subjectSupervised Learningpt_PT
dc.titleAplicação de técnicas de machine learning para classificação da aptidão dos solos para o regadiopt_PT
dc.title.alternativeApplication of machine learning technics for evaluation of the soils capability to irrigationpt_PT
dc.typebook part
dspace.entity.typePublication
oaire.citation.endPage224pt_PT
oaire.citation.startPage209pt_PT
oaire.citation.titleAgrárias - Pesquisa e Inovação nas ciências que alimentam o mundopt_PT
oaire.citation.volumeVol. VIIIpt_PT
person.familyNameBAPTISTA TORRES
person.familyNameCANATÁRIO DUARTE
person.givenNamePEDRO MIGUEL
person.givenNameANTÓNIO
person.identifierK-5331-2015
person.identifier.ciencia-id2711-E707-519C
person.identifier.ciencia-id0717-AB48-E1A3
person.identifier.orcid0000-0003-4835-5022
person.identifier.orcid0000-0002-0319-378X
person.identifier.scopus-author-id56261515100
person.identifier.scopus-author-id54901177900
rcaap.rightsopenAccesspt_PT
rcaap.typebookPartpt_PT
relation.isAuthorOfPublication9d9ad49f-3c45-4a99-be21-7f13965c2628
relation.isAuthorOfPublicationff1ed167-3f68-4e2b-b092-aaa0eb28ae6b
relation.isAuthorOfPublication.latestForDiscovery9d9ad49f-3c45-4a99-be21-7f13965c2628

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Capítulo Torres et al-Book ARTEMIS-Sended Version.pdf
Size:
566.81 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.02 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

ESTCB - Livros ou capítulos de livros
ESACB - Livros ou capítulos de livros