projeto de doutoramento em agronomia - ciência do solo (ufrrj)

MotivaçãoObjetivos e Questões de Pesquisa

Material e MétodosResultados Preliminares e Próximas Etapas

ResumoAgradecimentos

Contribuição à Construção de Modelos de Prediçãode Propriedades do Solo

Apresentação de Projeto de Doutoramento, Disciplina IA/1306 �Seminário em Ciência do Solo

Alessandro Samuel-Rosa

Comitê de OrientaçãoDrª. Lúcia Helena Cunha dos Anjos (UFRRJ)

Dr. Gustavo de Mattos Vasques (Embrapa Solos)Dr. Gerard B. M. Heuvelink (ISRIC - Holanda)

Seropédica, 24 de outubro de 2013.

Alessandro Samuel Rosa Incerteza no MDS




Estrutura

1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza

2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa

3 Material e MétodosBanco de DadosMetodologia

4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas





Construção de Modelos PreditivosFontes de Incerteza

Estrutura










Informação de Solo

Demanda por informação de solo no mundo: Aliança Globalpelo Solo (FAO)

Mapeamento Digital do Solo (MDS): utilização de técnicaspedométricas para o mapeamento do solo

Técnicas Pedométricas: matemática + estatística +informática + expert knowledge

Ênfase na quanti�cação dos erros, estimativa da incerteza ereprodutibilidade






Construção de Modelos Preditivos

Modelo conceitual de pedogênese: Representação verbal �>Representação matemática �> Representação computacional

Análise dos dados �> Predições �> Validação estatística

Reformulação do modelo conceitual de pedogênese

População de sistemas de informação espacial






Construção de Modelos Preditivos

Modelo conceitual de pedogênese: Representação verbal �>Representação matemática �> Representaçãocomputacional

Análise dos dados �> Predições �> Validação estatística

Reformulação do modelo conceitual de pedogênese

População de sistemas de informação espacial






Estrutura










Fontes de Incerteza

Observações de calibração (número, distribuição espacial,custo �nanceiro)

Co-variáveis ambientais (acurácia, número, diversidade,resolução espacial, multicolinearidade)

Estrutura do modelo (linear, não-linear)





ObjetivosQuestões de Pesquisa

Estrutura










Objetivos

Objetivo geral: avaliar as principais fontes de incerteza paraentender como elas contribuem para o orçamento do erro noMDS em diferentes cenários de bancos de dados.

Objetivos especí�cos:1 Identi�car tamanhos apropriados de conjuntos de observações

de calibração;2 Determinar a acurácia das co-variáveis ambientais disponíveis

gratuitamente;3 Identi�car métodos apropriados de seleção de co-variáveis

ambientais para modelos lineares;4 Avaliar o efeito da correlação entre as co-variáveis ambientais

na acurácia preditiva de modelos lineares;5 Identi�car cenários em que modelos não-lineares são mais

e�cientes que modelos lineares.






Estrutura










Questões de Pesquisa (1)

Qual é o efeito do tamanho do conjunto de calibração e dodesign amostral na acurácia preditiva e custo monetário doMDS?

Quão acuradas são as co-variáveis ambientais disponíveisgratuitamente e quanta redução na incerteza é obtida quandoco-variáveis ambientais mais acuradas são usadas?

Qual é o efeito do número de co-variáveis ambientais naacurácia preditiva de modelos lineares e como os métodos deseleção de co-variáveis ambientais se comportam em diferentescenários de bancos de dados?






Questões de Pesquisa(2)

Quão correlacionadas são as co-variáveis ambientais usadaspara construir modelos de MDS? A acurácia preditiva éaumentada quando as co-variáveis ambientais sãotransformadas para suas componentes principais?

Em quais cenários modelos não-lineares produzem prediçõesmais acuradas do que modelos lineares?





Banco de DadosMetodologia

Estrutura










Banco de Dados (1)

Study area location

E (deg)

N (

deg)

−30

−20

−10

0

−70 −60 −50 −40 −30

●

Study area

226000 227000 228000 229000 230000 231000 232000

6716

000

6717

000

6718

000

6719

000

6720

000

6721

000

6722

000

Location of the sample points

Black: calibration (340); Red: validation (60)E (m)

N (

m)

●●●●

●

●●

●●●●

●●●●

●●●●

●

●

●●

●

●●

●●

●

●●

●

●

●

●

● ●

●

●●

●

●●●●●

●●●

● ●● ●

●

●●

●●

●

●●

●●●

●●●●

●●

● ●

●

●

●

●

●●

●

●●

●●

●

●●

●

●●

●

●

●

●

●●

●

●●

●

●

●●

●

●

●●

●●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●●●

● ● ● ●

●

●

●●●

●

● ●

●●

●

●

●●

●●

●●

●

●●

●

●●

●

● ●

●

●

●●

●●

●

● ●

●

●

●

●

●●

●

●●

●

●

●●

●

●

● ●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●●

●●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●●

●

●

●

●●

●●

●●●

●

●●

●

●●

●●

●

●●

●●

●

●●●●●

●●●●●

●● ●

●●

●●

●●

●

●●

●●

●

●●

●●

●

●

●●

●

●

●●

●●

●

●●

●●

●

●●

●●

●

●

●

●●

●






Banco de Dados (2)

n = 350 observações de calibração (free survey) + n = 60observações de validação (cluster sampling)

Atributos do solo: distribuição do tamanho de partículas,carbono orgânico e capacidade de troca de cátions efetiva

Co-variáveis ambientais: modelos digitais de elevação, imagensde satélite, mapas geológicos, mapas pedológicos, mapas deuso da terra






Estrutura










Capítulo 1 - Acurácia das Co-variáveis

Co-variáveis ambientais desatualizadas e c/ pequenacapacidade resolutiva VS. atualizadas e c/ grande capacidaderesolutiva

Validação das co-variáveis ambientais

Combinação das co-variáveis ambientais

Modelos lineares ajustados usando quadrados mínimosgeneralizados

Validação externa






Capítulo 2 - Observações de Calibração

Análise do padrão pontual espacial �> modelo de amostragem

Sete conjuntos de calibração: n = 50 a n = 350, comincrementos de n = 50

Modelo de custo baseado no tempo de acesso às observações


Otimização de Pareto (spatial simulated annealing): custo evariância

Validação externa






Capítulo 3 - Seleção de Co-variáveis

n ≈ 50 co-variáveis ambientais

Dez métodos de seleção automática (stepwise, algorítmosgenéticos, validação cruzada, etc)


Validação externa






Capítulo 4 - Ortogonalização das Co-variáveis

Demonstração matemática do efeito da ortogonalização sobrea estimativa dos coe�cientes da regressão



Avaliação do conteúdo pedológico dos modelos lineares comco-variáveis ortogonalizadas

Validação externa






Capítulo 5 - Estrutura do Modelo

n = 7 conjuntos de observações de calibração


n = 4 modelos: regressão linear, rede neural arti�cial, árvore deregressão e �oresta aleatória

Validação externa e elicitação do conhecimento de especialistaspara avaliação do conteúdo pedológico dos modelos





Resultados PreliminaresPróximas Etapas

Estrutura










Resultados Preliminares

Representação verbal do modelo conceitual de pedogênese

Banco de dados de atributos do solo e co-variáveis ambientais

Validação de algumas co-variáveis ambientais (MDE SRTM≈ 15m; MDE TOPODATA ≈ 9m)

Modelo de amostragem de solo






Estrutura










Próximas Etapas

Avaliação das co-variáveis ambientais até o �nal do ano

Implementação das demais análises na Holanda(Jan-Dez/2014)

Obtenção de mais n = 60 observações de validação (2015)





Resumo

A Aliança Global pelo Solo constitui uma importante demandapor informações de solo no mundo

O Mapeamento Digital do Solo foi a solução encontrada paraatender tal demanda

A avaliação da incerteza é um passo crucial na produção deinformação de solo útil para a humanidade





Agradecimentos

UFRRJ

Embrapa Solos

ISRIC-WUR

UFSM, pela infraestrutura

CNPq, pela bolsa de doutorado

CAPES, pela bolsa de doutorado sandwich


projeto de doutoramento em agronomia - ciência do solo (ufrrj)

Documents