Banca de DEFESA: FABRICIO DO CARMO FARIAS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : FABRICIO DO CARMO FARIAS
DATA : 13/06/2023
HORA: 09:00
LOCAL: Sala virtual - via google.meet
TÍTULO:

Mapeamento pedológico digital e uso de algoritmos de aprendizado de máquina em Tracuateua, Pará

PALAVRAS-CHAVES:

Pedologia, Pedometria, Inteligência artificial, Manejo sustentável do solo,
Dados legados

PÁGINAS: 98
RESUMO:

As dificuldades no acesso em áreas do bioma amazônico e carência de dados de solos em escala
detalhadas têm limitado analises de planejamento econômico e tomadas de decisões mais
assertivas acerca do uso, manejo e conservação dos solos deste bioma. Neste sentido, as
ferramentas de Mapeamento Digital do Solo (MDS), notadamente, as técnicas de Machine
Learning (ML) têm auxiliado na obtenção de mapas de solos de qualidade nos últimos anos.
Este trabalho comparou oito algoritmos de ML, na predição de ordens de solos em Tracuateua,
Pará. Para construção do banco de dados, utilizou-se um Modelo Digital de Elevação (MDE),
imagens do Landsat-9, um mapa convencional detalhado de solos na escala de 1:100.000 e o
software de Sistema de Informação Geográfica (SIG) QGIS e R. A partir do MDE foram
calculadas as covariáveis preditoras e posteriormente selecionadas as mais significativas pelo
teste de Recursive Feature Elimination (RFE). A avaliação da performance dos algoritmos foi
realizada através de matriz de erros, índice kappa e acurácia. O algoritmo de árvore de decisão
ranger obteve o melhor desempenho no mapeamento pedológico em Tracuateua/PA, na etapa
de modelagem com kappa de 0,71 e acurácia de 0,74, quando comparado com a mapa
convencional obteve kappa global 0,49 e acurácia global de 0,56. Já o algoritmo de Redes
Neurais Artificiais obteve os menores resultados na etapa de modelagem, com kappa de 0,14 e
acurácia de 0,26 e quando comparado ao mapa convencional o kappa global foi de 0,35 e
acurácia global de 0,48. Os algoritmos de árvore de decisão (Ranger e Random Forest)
mostraram potencial para a predição dos solos em escala de 1:100.000 na região amazônica,
notadamente no nordeste paraense.

.

MEMBROS DA BANCA:
Presidente - 3600530 - JOAO FERNANDES DA SILVA JUNIOR
Interna - 2121042 - SUZANA ROMEIRO ARAUJO
Externo ao Programa - 1830598 - DANIEL PEREIRA PINHEIRO
Externo à Instituição - GENER TADEU PEREIRA - UNESP