Artificial Neural Network applied to evaluate the Population of Arbuscular Mycorrhizal Fungi in the Rhizosphere of Coffee Plants

Authors

  • Vania de Fatima Lemes de Miranda UNIVERSIDADE FEDERAL DE UBERLÂNDIA- INSTITUTO DE MATEMÁTICA https://orcid.org/0000-0002-0624-6840
  • 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 https://orcid.org/0000-0002-1009-566X
  • Renan Zampiroli . UNIVERSIDADE FEDERAL DE UBERLÂNDIA

Keywords:

Multivariate Analysis, Neural Networks, Arbuscular Mycorrhizal Fungi

Abstract

Several studies have reported the importance of mycorrhizal fungi (AMF) on the recovery of degraded soils and its physiological contribution to the growth of host species. This work had as objective apply the network SOM (Self-Organizing Maps), in the multivariate treatment of data regarding population estimate of mycorrhizal fungi (AMF) in Rhizosphere of coffee trees grown in the Alto Parnaíba-MG region. Composite samples (sixty samples consisting of three subsamples) soil rhizosphere of Coffea arabica were collected at random shape in two neighboring areas, irrigated and unirrigated other. For carrying out the Kohonen network averages of all data were normalized and used for training. This study showed that high percentage of colonization are linked to an increase of the soil humidity. The colonization levels negatively associated with the levels of phosphorus, calcium, sodium and potassium out, what was not seen at the levels of organic matter, pH and magnesium whose higher values ​​are associated with higher levels of colonization percentage contributing to the AMF symbiosis.

Author Biographies

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.

References

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.

Downloads

Published

11-11-2015

How to Cite

de Miranda, V. de F. L., de Melo, E. I., Bertini, S. C. B., Fernandes, M. A. R., da Silva, J. R., & ., R. Z. (2015). Artificial Neural Network applied to evaluate the Population of Arbuscular Mycorrhizal Fungi in the Rhizosphere of Coffee Plants. Sigmae, 4(2), 24–30. Retrieved from https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/240

Issue

Vol. 4 No. 2 (2015): "Growing fast"

Section

Applied Mathematics

License

Proposta de Política para Periódicos de Acesso Livre


Autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

    1. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

  1. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).