Un análisis exhaustivo de la evaluación y predicción de la actividad enzimática del suelo basada en el aprendizaje automático
Autores: Shahare, Yogesh; Singh, Mukund Partap; Singh, Prabhishek; Diwakar, Manoj; Singh, Vijendra; Kadry, Seifedine; Sevcik, Lukas
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un análisis exhaustivo de la evaluación y predicción de la actividad enzimática del suelo basada en el aprendizaje automático
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Características del suelo
Crecimiento agrícola
Enzimas del suelo
Procesos biológicos
Actividad enzimática del suelo
Modelo de Bosques Aleatorios
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
Las diferentes características del suelo en diferentes partes de la India afectan el crecimiento agrícola. El crecimiento y la producción de cultivos se ven significativamente afectados por un suelo saludable. Los enzimas del suelo median casi todas las reacciones bioquímicas en el suelo. Entender los procesos biológicos del ciclo del carbono y nitrógeno del suelo requiere definir la importancia de los elementos prospectivos en el juego de los enzimas del suelo y evaluar sus actividades. Se empleó una combinación de modelos de Regresión Lineal Múltiple (MLR), Bosque Aleatorio (RF) y Redes Neuronales Artificiales (ANN) en este estudio para evaluar la actividad enzimática del suelo, incluida la actividad de amilasa y ureasa, las propiedades físicas del suelo, como arena, limo, arcilla, y las propiedades químicas del suelo, incluyendo materia orgánica (SOM), nitrógeno (N), fósforo (P), carbono orgánico del suelo (SOC), pH, y nivel de fertilidad. En comparación con otros métodos para estimar la fosfatasa, celulosa y actividad de ureasa del suelo, el modelo RF supera significativamente al modelo MLR. Además, debido a su capacidad para gestionar relaciones dinámicas y jerárquicas entre las actividades enzimáticas, el modelo RF supera a otros modelos en la evaluación de la actividad enzimática del suelo. Este estudio recopiló 3972 muestras de suelo de 25 aldeas en el distrito de Bhandara de Maharashtra, India, con parámetros químicos, físicos y biológicos. En general, se logró un 99% de precisión para la actividad enzimática de la celulasa y un 94% para la actividad enzimática de la N-acetil-glucosaminidasa utilizando el modelo de Bosque Aleatorio. Los cultivos han sido sugeridos en función de los algoritmos de mayor precisión de rendimiento y métricas de evaluación de rendimiento.
Descripción
Las diferentes características del suelo en diferentes partes de la India afectan el crecimiento agrícola. El crecimiento y la producción de cultivos se ven significativamente afectados por un suelo saludable. Los enzimas del suelo median casi todas las reacciones bioquímicas en el suelo. Entender los procesos biológicos del ciclo del carbono y nitrógeno del suelo requiere definir la importancia de los elementos prospectivos en el juego de los enzimas del suelo y evaluar sus actividades. Se empleó una combinación de modelos de Regresión Lineal Múltiple (MLR), Bosque Aleatorio (RF) y Redes Neuronales Artificiales (ANN) en este estudio para evaluar la actividad enzimática del suelo, incluida la actividad de amilasa y ureasa, las propiedades físicas del suelo, como arena, limo, arcilla, y las propiedades químicas del suelo, incluyendo materia orgánica (SOM), nitrógeno (N), fósforo (P), carbono orgánico del suelo (SOC), pH, y nivel de fertilidad. En comparación con otros métodos para estimar la fosfatasa, celulosa y actividad de ureasa del suelo, el modelo RF supera significativamente al modelo MLR. Además, debido a su capacidad para gestionar relaciones dinámicas y jerárquicas entre las actividades enzimáticas, el modelo RF supera a otros modelos en la evaluación de la actividad enzimática del suelo. Este estudio recopiló 3972 muestras de suelo de 25 aldeas en el distrito de Bhandara de Maharashtra, India, con parámetros químicos, físicos y biológicos. En general, se logró un 99% de precisión para la actividad enzimática de la celulasa y un 94% para la actividad enzimática de la N-acetil-glucosaminidasa utilizando el modelo de Bosque Aleatorio. Los cultivos han sido sugeridos en función de los algoritmos de mayor precisión de rendimiento y métricas de evaluación de rendimiento.