Predicción espacial de propiedades continuas y categóricas del suelo utilizando enfoques de aprendizaje profundo para Tamil Nadu, India
Autores: Tarun Kshatriya, Thamizh Vendan; Kumaraperumal, Ramalingam; Pazhanivelan, Sellaperumal; Moorthi, Nivas Raj; Muthumanickam, Dhanaraju; Ragunath, Kaliaperumal; Ramasamy, Jagadeeswaran
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Predicción espacial de propiedades continuas y categóricas del suelo utilizando enfoques de aprendizaje profundo para Tamil Nadu, India
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Mapeo
Recursos del suelo
Aprendizaje profundo
Tamil Nadu
SCORPAN
Covariables ambientales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
El mapeo a gran escala de los recursos del suelo puede ser crucial e indispensable para varias aplicaciones gerenciales e implicaciones políticas. Con los modelos de aprendizaje automático siendo la técnica de modelado más utilizada para el mapeo digital del suelo (DSM), la implementación de métodos de aprendizaje profundo basados en modelos para predicciones espaciales del suelo aún está bajo escrutinio. En este estudio, variables continuas del suelo (pH y CO) y variables categóricas (orden y suborden) fueron predichas utilizando perceptrón multicapa de aprendizaje profundo (DL-MLP) y redes neuronales convolucionales unidimensionales (1D-CNN) para todo el estado de Tamil Nadu, India.
Descripción
El mapeo a gran escala de los recursos del suelo puede ser crucial e indispensable para varias aplicaciones gerenciales e implicaciones políticas. Con los modelos de aprendizaje automático siendo la técnica de modelado más utilizada para el mapeo digital del suelo (DSM), la implementación de métodos de aprendizaje profundo basados en modelos para predicciones espaciales del suelo aún está bajo escrutinio. En este estudio, variables continuas del suelo (pH y CO) y variables categóricas (orden y suborden) fueron predichas utilizando perceptrón multicapa de aprendizaje profundo (DL-MLP) y redes neuronales convolucionales unidimensionales (1D-CNN) para todo el estado de Tamil Nadu, India.