Tellus-Onto: uma ontologia para classificação e inferência de solos na agricultura de precisão
Resumo
Laboratórios de análises de solos demandam volumes grandes de dados empregados na agricultura de precisão. Dentre eles, parâmetros que representam fertilidade de solos como textura e matéria orgânica orientam o processo de adubação. No entanto, este processo pode se tornar demorado, limitando assim sua utilidade. Sendo assim, este artigo propõe uma ontologia denominada Tellus-Onto que estende o estado da arte na classificação de solos brasileiros de acordo com a composição orgânica e textural. Uma série de axiomas e regras semânticas foram empregadas para proporcionar a realização de consultas e inferências sobre sua base instanciada. Para testar a ontologia foram instanciados 98 resultados de amostras de solos e inferidos suas classificações de modo preciso e automático.
Palavras-chave:
ontology, soil classification, precision agriculture
Referências
Samuel Andrés, Damien Arvor, Isabelle Mougenot, Thérèse Libourel, and Laurent Durieux. 2017. Ontology-based classification of remote sensing images using spectral rules. Computers & Geosciences 102 (may 2017), 158–166. https://doi.org/10.1016/j.cageo.2017.02.018
Muñoz Andrés, Soriano-Disla José; M., and Janik Leslie J.2017. An Ontology-Based Approach for an Efficient Selection and Classification of Soils. Ambient Intelligence and Smart Environments 22, Intelligent Environments 2017(2017), 69–78. https://doi.org/10.3233/978-1-61499-796-2-69
Juscimara Gomes Avelino and Patrício De Alencar Silva. 2020. Ontologia de Redes de Valor Verdes. iSys - Brazilian Journal of Information Systems 13, 2 (April 2020), 168–197. https://doi.org/10.5753/isys.2020.767
Sociedade Brasileira de Ciência do Solo. Comissão de Química e Fertilidade do Solo. 2016. Manual de adubação e de calagem para os Estados do Rio Grande do Sul e de Santa Catarina. SBCS, Porto Alegre. 400 pages.
Sociedade Brasileira de Ciência do Solo SBCS. 2008. Tipo de solo: Instrução Normativa N° 2, de 9 de outubro de 2008 - Classe textural. Sociedade Brasileira de Ciência do Solo - SBCS.
Sociedade Brasileira de Ciência do Solo SBCS. 2019. CELA - SBCS. https://sbcs-nepar.org.br/cela
Sociedade Brasileira de Ciência do Solo SBCS. 2020. SBCS - Núcleo Região Sul. http://www.sbcs-nrs.org.br/index.php?secao=rolas
Zigomar Menezes de Souza, Domingos Guilherme Pellegrino Cerri, Marcelo José Colet, Luiz Henrique Antunes Rodrigues, Paulo Sérgio Graziano Magalhães, and Rafael Junqueira Araújo Mandoni. 2010. Análise dos atributos do solo e da produtividade da cultura de cana-de-açúcar com o uso da geoestatística e árvore de decisão. Ciência Rural 40, 4 (April 2010), 840–847. https://doi.org/10.1590/s0103-84782010005000048
Chandan Kumar Deb, Sudeep Marwaha, and R.N. Pandey. 2020. Ontology Learning Algorithm for Development of Ontologies from Taxonomic Text and USDA Soil Taxonomy Ontology. Journal of the Indian Society of Agricultural Statistics 1, 74(2020), 77––84. [link].
R. Doluschitz, M. Kunisch, T. Jungbluth, and C. Eider. 2005. agroXML - A Standardized Data Format for Information Flow in Agriculture. In Proceedings of the EFITA/WCCA 2005 Joint Conference (Vila Real, Portugal) (EFITA/WCCA 2005). Universidade de Trás-os-Montes e Alto Douro, 439–443.
Heshan Du, Vania Dimitrova, Derek Magee, Ross Stirling, Giulio Curioni, Helen Reeves, Barry Clarke, and Anthony Cohn. 2016. An Ontology of Soil Properties and Processes. In Lecture Notes in Computer Science. Springer International Publishing, 30–37. https://doi.org/10.1007/978-3-319-46547-0_4
Alberto Cargnelutti Filho, Lindolfo Storck, and Hardi Rene Bartz. 1996. Estatísticas dos resultados das análises de laboratório de solo. Ciência Rural 26, 3 (Dec. 1996), 401–406. https://doi.org/10.1590/s0103-84781996000300010
Stephanos D. V. Giakoumatos and Anastasios K. T. Gkionakis. 2021. Development of an Ontology-Based Knowledge Network by Interconnecting Soil/Water Concepts/Properties, Derived from Standards Methods and Published Scientific References Outlining Infiltration/Percolation Process of Contaminated Water. Journal of Geoscience and Environment Protection 09, 01(2021), 25–52. https://doi.org/10.4236/gep.2021.91003
E. S. Gualberto, R. T. Souza Jr., F. E. G. Deus, and C. G. Duque. 2013. Proposição de uma Ontologia de Apoio à Gestão de Riscos de Segurança da Informação. iSys – Revista Brasileira de Sistemas de Informação 6, 1(2013), 30 – 43.
Gilson Augusto Helfer, Jorge Luis Victória Barbosa, Ronaldo dos Santos, and Adilson Ben da Costa. 2020. A computational model for soil fertility prediction in ubiquitous agriculture. Computers and Electronics in Agriculture 175 (aug 2020), 105602. https://doi.org/10.1016/j.compag.2020.105602
Z. Hochman, P.S. Carberry, M.J. Robertson, D.S. Gaydon, L.W. Bell, and P.C. McIntosh. 2013. Prospects for ecological intensification of Australian agriculture. European Journal of Agronomy 44 (2013), 109 – 123. https://doi.org/10.1016/j.eja.2011.11.003
iGreen Projekt. 2012. Welcome to the AgroRDF RDFLib LOD Server. http://data.igreen-services.com/agrordf
Soil Quality Pty Ltd. 2021. Measuring Soil Texture in the Laboratory. http://soilquality.org.au/factsheets/soil-texture-measuring-in-the-lab
Mark A. Musen. 2015. The protégé project: a look back and a look forward. AI Matters 1, 4 (2015), 4–12. https://doi.org/10.1145/2757001.2757003
Narali Marques Da Silva and Rafaela Marques S. Tadra. 2017. Geologia e pedologia. InterSaberes, Curitiba. 320 pages.
Embrapa Solos. 2016. Tecnologia inovadora analisa solos em apenas 30 segundos - Portal Embrapa. [link].
Zeynal Tümsavaş, Yücel Tekin, Yahya Ulusoy, and Abdul M. Mouazen. 2019. Prediction and mapping of soil clay and sand contents using visible and near-infrared spectroscopy. Biosystems Engineering 177 (2019), 90 – 100. https://doi.org/10.1016/j.biosystemseng.2018.06.008 Intelligent Systems for Environmental Applications.
Martin Wiesmeier, Livia Urbanski, Eleanor Hobley, Birgit Lang, Margit von Lützow, Erika Marin-Spiotta, Bas van Wesemael, Eva Rabot, Mareike Ließ, Noelia Garcia-Franco, Ute Wollschläger, Hans-Jörg Vogel, and Ingrid Kögel-Knabner. 2019. Soil organic carbon storage as a key function of soils - A review of drivers and indicators at various scales. Geoderma 333(2019), 149 – 162. https://doi.org/10.1016/j.geoderma.2018.07.026
Muñoz Andrés, Soriano-Disla José; M., and Janik Leslie J.2017. An Ontology-Based Approach for an Efficient Selection and Classification of Soils. Ambient Intelligence and Smart Environments 22, Intelligent Environments 2017(2017), 69–78. https://doi.org/10.3233/978-1-61499-796-2-69
Juscimara Gomes Avelino and Patrício De Alencar Silva. 2020. Ontologia de Redes de Valor Verdes. iSys - Brazilian Journal of Information Systems 13, 2 (April 2020), 168–197. https://doi.org/10.5753/isys.2020.767
Sociedade Brasileira de Ciência do Solo. Comissão de Química e Fertilidade do Solo. 2016. Manual de adubação e de calagem para os Estados do Rio Grande do Sul e de Santa Catarina. SBCS, Porto Alegre. 400 pages.
Sociedade Brasileira de Ciência do Solo SBCS. 2008. Tipo de solo: Instrução Normativa N° 2, de 9 de outubro de 2008 - Classe textural. Sociedade Brasileira de Ciência do Solo - SBCS.
Sociedade Brasileira de Ciência do Solo SBCS. 2019. CELA - SBCS. https://sbcs-nepar.org.br/cela
Sociedade Brasileira de Ciência do Solo SBCS. 2020. SBCS - Núcleo Região Sul. http://www.sbcs-nrs.org.br/index.php?secao=rolas
Zigomar Menezes de Souza, Domingos Guilherme Pellegrino Cerri, Marcelo José Colet, Luiz Henrique Antunes Rodrigues, Paulo Sérgio Graziano Magalhães, and Rafael Junqueira Araújo Mandoni. 2010. Análise dos atributos do solo e da produtividade da cultura de cana-de-açúcar com o uso da geoestatística e árvore de decisão. Ciência Rural 40, 4 (April 2010), 840–847. https://doi.org/10.1590/s0103-84782010005000048
Chandan Kumar Deb, Sudeep Marwaha, and R.N. Pandey. 2020. Ontology Learning Algorithm for Development of Ontologies from Taxonomic Text and USDA Soil Taxonomy Ontology. Journal of the Indian Society of Agricultural Statistics 1, 74(2020), 77––84. [link].
R. Doluschitz, M. Kunisch, T. Jungbluth, and C. Eider. 2005. agroXML - A Standardized Data Format for Information Flow in Agriculture. In Proceedings of the EFITA/WCCA 2005 Joint Conference (Vila Real, Portugal) (EFITA/WCCA 2005). Universidade de Trás-os-Montes e Alto Douro, 439–443.
Heshan Du, Vania Dimitrova, Derek Magee, Ross Stirling, Giulio Curioni, Helen Reeves, Barry Clarke, and Anthony Cohn. 2016. An Ontology of Soil Properties and Processes. In Lecture Notes in Computer Science. Springer International Publishing, 30–37. https://doi.org/10.1007/978-3-319-46547-0_4
Alberto Cargnelutti Filho, Lindolfo Storck, and Hardi Rene Bartz. 1996. Estatísticas dos resultados das análises de laboratório de solo. Ciência Rural 26, 3 (Dec. 1996), 401–406. https://doi.org/10.1590/s0103-84781996000300010
Stephanos D. V. Giakoumatos and Anastasios K. T. Gkionakis. 2021. Development of an Ontology-Based Knowledge Network by Interconnecting Soil/Water Concepts/Properties, Derived from Standards Methods and Published Scientific References Outlining Infiltration/Percolation Process of Contaminated Water. Journal of Geoscience and Environment Protection 09, 01(2021), 25–52. https://doi.org/10.4236/gep.2021.91003
E. S. Gualberto, R. T. Souza Jr., F. E. G. Deus, and C. G. Duque. 2013. Proposição de uma Ontologia de Apoio à Gestão de Riscos de Segurança da Informação. iSys – Revista Brasileira de Sistemas de Informação 6, 1(2013), 30 – 43.
Gilson Augusto Helfer, Jorge Luis Victória Barbosa, Ronaldo dos Santos, and Adilson Ben da Costa. 2020. A computational model for soil fertility prediction in ubiquitous agriculture. Computers and Electronics in Agriculture 175 (aug 2020), 105602. https://doi.org/10.1016/j.compag.2020.105602
Z. Hochman, P.S. Carberry, M.J. Robertson, D.S. Gaydon, L.W. Bell, and P.C. McIntosh. 2013. Prospects for ecological intensification of Australian agriculture. European Journal of Agronomy 44 (2013), 109 – 123. https://doi.org/10.1016/j.eja.2011.11.003
iGreen Projekt. 2012. Welcome to the AgroRDF RDFLib LOD Server. http://data.igreen-services.com/agrordf
Soil Quality Pty Ltd. 2021. Measuring Soil Texture in the Laboratory. http://soilquality.org.au/factsheets/soil-texture-measuring-in-the-lab
Mark A. Musen. 2015. The protégé project: a look back and a look forward. AI Matters 1, 4 (2015), 4–12. https://doi.org/10.1145/2757001.2757003
Narali Marques Da Silva and Rafaela Marques S. Tadra. 2017. Geologia e pedologia. InterSaberes, Curitiba. 320 pages.
Embrapa Solos. 2016. Tecnologia inovadora analisa solos em apenas 30 segundos - Portal Embrapa. [link].
Zeynal Tümsavaş, Yücel Tekin, Yahya Ulusoy, and Abdul M. Mouazen. 2019. Prediction and mapping of soil clay and sand contents using visible and near-infrared spectroscopy. Biosystems Engineering 177 (2019), 90 – 100. https://doi.org/10.1016/j.biosystemseng.2018.06.008 Intelligent Systems for Environmental Applications.
Martin Wiesmeier, Livia Urbanski, Eleanor Hobley, Birgit Lang, Margit von Lützow, Erika Marin-Spiotta, Bas van Wesemael, Eva Rabot, Mareike Ließ, Noelia Garcia-Franco, Ute Wollschläger, Hans-Jörg Vogel, and Ingrid Kögel-Knabner. 2019. Soil organic carbon storage as a key function of soils - A review of drivers and indicators at various scales. Geoderma 333(2019), 149 – 162. https://doi.org/10.1016/j.geoderma.2018.07.026
Publicado
07/06/2021
Como Citar
HELFER, Gilson Augusto; COSTA, Adilson Ben da; BAVARESCO, Rodrigo Simon; BARBOSA, Jorge Luís Victória.
Tellus-Onto: uma ontologia para classificação e inferência de solos na agricultura de precisão. In: SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 17. , 2021, Uberlândia.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
