Rede Neural artificial aplicada na avaliação da População de Fungos Micorrízicos Arbusculares na Rizosfera de Cafeeiros

  • Vania de Fatima Lemes de Miranda UNIVERSIDADE FEDERAL DE UBERLÂNDIA- INSTITUTO DE MATEMÁTICA
  • Edmar Isaias de Melo UNIVERSIDADE FEDERAL DE UBERLÂNDIA CAMPUS MONTE CARMELO
  • Simone Cristina Braga Bertini UNIVERSIDADE FEDERAL DE UBERLÂNDIA
  • Marco Aurélio Rocha Fernandes UNIVERSIDADE FEDERAL DE UBERLÂNDIA
  • Jovana Ribeiro da Silva UNIVERSIDADE FEDERAL DE UBERLÂNDIA
  • Renan Zampiroli . UNIVERSIDADE FEDERAL DE UBERLÂNDIA
Palavras-chave: Analise multivariada, rede neural, Arbuscular Mycorrhizal Fungi

Resumo

Diversos estudos têm reportado a importância dos fungos micorrízicos arbusculares (FMA) na recuperação de solos degradados e sua contribuição fisiológica para o crescimento das espécies hospedeiras. Este trabalho teve como objetivo aplicar as redes de SOM (Self-Organizing Maps), no tratamento multivariado dos dados referentes avaliação da população Fungos Micorrízicos Arbusculares (FMA) na Rizosfera de cafeeiros cultivados na região do Alto Paranaíba-MG. Foram coletadas 60 amostras compostas (constituídas por 3 subamostras) de solo da rizosfera de Coffea arabica, de forma casualizada, em duas áreas vizinhas, uma irrigada e outra não irrigada. Para a realização da rede de Kohonen todas as médias dos dados foram normalizadas e usadas para o treinamento. Este estudo permitiu verificar que maiores valores de % de colonização estão relacionados a um aumento de umidade no solo. Os níveis de colonização apresentaram associação negativa com os níveis de fósforo, cálcio, sódio e potássio o que já não ocorreu com os níveis de matéria orgânica, pH e magnésio onde valores mais altos associam-se a valores mais elevados de % de colonização, podendo contribuir para a simbiose de FMA.

Biografia do Autor

Vania de Fatima Lemes de Miranda, UNIVERSIDADE FEDERAL DE UBERLÂNDIA- INSTITUTO DE MATEMÁTICA
Possui graduação em Licenciatura Em Matemática pela Universidade Federal de Uberlândia (2001) e mestrado em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras (2004). Atualmente é professor assistente da Universidade Federal de Uberlândia e membro do nucleo docente estruturante da Universidade Federal de Uberlândia. Tem experiência na área de Probabilidade e Estatística, com ênfase em Probabilidade e Estatística, atuando principalmente nos seguintes temas: matemática e estatística.
Edmar Isaias de Melo, UNIVERSIDADE FEDERAL DE UBERLÂNDIA CAMPUS MONTE CARMELO
Graduação em Licenciatura e Bacharelado em Química pela Universidade Federal de Uberlândia (2001) , mestrado em Química pela Universidade Federal de Uberlândia (2003) e doutorado em Química Analítica pela Universidade Federal de Uberlândia (2009). Tem experiência na área de Química, com ênfase em química analítica, eletroanalítica, química de alimentos e meio ambiente.
Simone Cristina Braga Bertini, UNIVERSIDADE FEDERAL DE UBERLÂNDIA
Possui graduação em Ciências Biológicas pela Universidade Federal de Uberlândia (2004) e mestrado em Agronomia (Microbiologia Agrícola) pela Universidade de São Paulo (2007) e doutorado em Agronomia (Microbiologia Agrícola) pela Universidade de São Paulo (2011) com estágio sanduíche na Colorado State University (2010). Tem experiência na área de Ciência do Solo com ênfase em Microbiologia do Solo, atuando principalmente nos seguintes temas: bioindicadores de qualidade do solo, ecologia do solo e diversidade microbiana do solo.
Marco Aurélio Rocha Fernandes, UNIVERSIDADE FEDERAL DE UBERLÂNDIA
Graduando em Agronomia pela Universidade Federal de Uberlândia Campus de Monte Carmelo, Bolsista do Programa de Educação Tutoria
Jovana Ribeiro da Silva, UNIVERSIDADE FEDERAL DE UBERLÂNDIA
Graduanda do Curso de Agronomia da Universidade Federal de Uberlândia, Campus Monte Carmelo-MG, Bolsista de Iniciação Científica PIBIC/FAPEMIG.
Renan Zampiroli ., UNIVERSIDADE FEDERAL DE UBERLÂNDIA
Graduando do Curso de Agronomia da Universidade Federal de Uberlândia, Campus Monte Carmelo-MG.

Referências

DICKSON, S.; SMITH, F. A.; SMITH, S. E. Structural differences in arbuscular mycorrhizal symbioses: more than 100 years after Gallaud, where next? Mycorrhiza. V.17, 5, pp 375-393, 2007.

FAUSETT, L. V., Fundamentals neural networks: architectures, algorithms and applications. Prentice Hall, Upper saddle River, NJ 07458, 1992.

HAIR, J. F. et al. Análise multivariada de dados. 5.ed. Porto Alegre: 2005.

HAYKIN, S. (ed) (2002) Frontmatter and Index, in Kalman Filtering and Neural etworks, John Wiley & Sons, Inc., New York, USA. doi: 10.1002/0471221546.fmatter_indsub

KOHONEN, T. (1982). Self-organized formation of topologically correct feature maps, Biological Cybernetics, Volume 43, Number 1, 59-69.

KOHONEN, T. Exploratory data Analysis by the Self-Organizing Map: Structures Of Welfare And Poverty In The World, Neural Networks in Financial Engineering, 2001.

KONISHI, T.; OMATU, S.; SUGA, Y. Extraction of rice-planted area using a self- organizing feature map. Artif. Life Robotics, v. 11, p. 215-218, 2007.

SILVA, M. A. S. Mapas auto-organizáveis na análise exploratória de dados geoespaciais multivariados. Dissertação (Mestrado em Computação Aplicada). Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 2004.

VIERHEILIG, H.; BAGO, B.; ALBRECHT, C.; POLIN, M. P.; PICHÉ, Y. Flavonoids and arbuscular-mycorrhizal fungi. In: MANTHEY, J.A.; BUSLIG, B.S. (Ed.). Flavonoids in the living system. New York, Plenum Press. p.9-33. 1998

XIMENES, A. C.; AMARAL, S.; ARCOVERDE, G. F. B.; MONTEIRO, A. M. V. Redes neurais para a seleção de variáveis ambientais no processo de modelagem de distribuição de espécies na região Norte do Brasil. In: XIV Simpósio Brasileiro de Sensoriamento Remoto, Natal, p. 5531-5538, 2009.

Publicado
11-11-2015
Seção
Applied Mathematics