27.10.2013 Views

Tese em PDF - departamento de engenharia florestal - ufpr ...

Tese em PDF - departamento de engenharia florestal - ufpr ...

Tese em PDF - departamento de engenharia florestal - ufpr ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

3.2.8 Regressão por Mínimos Quadrados Parciais – PLS (PLS – Partial Least<br />

Squares).<br />

A regressão por PLS é uma técnica multivariada <strong>em</strong>pregada <strong>em</strong> mo<strong>de</strong>los<br />

quantitativos. Utiliza toda informação espectral para extrair informações<br />

relevantes e relacioná-las com a variável <strong>de</strong> interesse (SAMISTRARO, 2008).<br />

Por outro lado, a regressão por mínimos quadrados parciais (PLS) é a<br />

técnica mais comum <strong>de</strong> calibração multivariada para construção <strong>de</strong> mo<strong>de</strong>los<br />

usando sinais <strong>de</strong> espectros (GELADI; KOWALSKI, 1986, citado por SILVA et al.,<br />

2007). Em 1998, Spiegelman et al., d<strong>em</strong>onstraram que a seleção da região<br />

espectral a ser mo<strong>de</strong>lada po<strong>de</strong> melhorar o <strong>de</strong>s<strong>em</strong>penho <strong>de</strong>ssa técnica <strong>de</strong><br />

calibração <strong>em</strong> relação aos mo<strong>de</strong>los que <strong>em</strong>pregam o espectro inteiro. Regiões<br />

específicas (ou sinais infravermelhos) são selecionadas on<strong>de</strong> a colinearida<strong>de</strong> não<br />

está tão presente, gerando mo<strong>de</strong>los mais robustos. Na prática, a otimização dos<br />

mo<strong>de</strong>los <strong>de</strong> regressão multivariados, está baseada na i<strong>de</strong>ntificação <strong>de</strong><br />

subconjuntos dos dados completos (sub-regiões espectrais), que combinados ou<br />

não, minimizam os erros <strong>de</strong> predição (SILVA et al., 2007).<br />

O método PLS é um método <strong>de</strong> regressão que fornece mo<strong>de</strong>los que<br />

relacionam os blocos <strong>de</strong> variáveis X e Y. Deste modo, as informações das<br />

medidas espectrais e das concentrações ou proprieda<strong>de</strong>s são utilizadas<br />

simultaneamente na fase da calibração. É baseado no método PCA e utiliza as<br />

componentes principais para mo<strong>de</strong>lar os diferentes analitos e interferências nos<br />

dados <strong>de</strong> X (CARNEIRO, 2008).<br />

A regressão através do método PLS po<strong>de</strong> solucionar probl<strong>em</strong>as <strong>de</strong><br />

colinearida<strong>de</strong>, com satisfatória habilida<strong>de</strong> <strong>de</strong> previsão. Por este motivo esta<br />

técnica é a<strong>de</strong>quadamente aplicada <strong>em</strong> dados espectrais. As informações das<br />

variáveis são comprimidas, tornando-se mais robustos e como conseqüência, os<br />

mo<strong>de</strong>los são mais fáceis <strong>de</strong> ser<strong>em</strong> interpretados e os ruídos espectrais pod<strong>em</strong> ser<br />

mantidos fora do mo<strong>de</strong>lo, na forma <strong>de</strong> resíduos (MARTENS; TORMOD, 1989<br />

citado por CARNEIRO, 2008).<br />

A regressão baseada <strong>em</strong> PLS segue as etapas <strong>de</strong> calibração (na qual são<br />

56

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!