Banca de QUALIFICAÇÃO: QUÉSIA SÁ PAVÃO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : QUÉSIA SÁ PAVÃO
DATA : 27/11/2023
HORA: 09:00
LOCAL: online
TÍTULO:

PREDIÇÃO DE TEXTURA DE SOLOS NATURAIS DA AMAZÔNIA ATRAVÉS DE SENSORES PROXIMAIS 

PALAVRAS-CHAVES:

pXRF; Vis-NIR; random forest 

PÁGINAS: 50
RESUMO:

Sensores proximais são métodos rápidos, de baixo custo, ecologicamente corretos e confiáveis para a detecção do teor de elementos nos solos. Várias pesquisas já foram realizadas em solos temperados, mas, há lacunas de conhecimento quanto ao uso desses aparelhos em solos tropicais, especialmente na região Amazônica. Nesse sentido, o presente estudo utilizou sensores proximais portáteis de espectrometria de fluorescência de raios X (pXRF) e de espectrometria do visível e infravermelho próximo (Vis-NIR) para a predição da textura de solos naturais de 61 municípios do estado do Pará, Brasil. Os objetivos foram: i) investigar a performance dos dados do pXRF e Vis-NIR separadamente e combinados na predição da textura e ii) comparar o efeito dos horizontes superficiais, subsuperficiais e a combinação dos horizontes na predição da textura de solos naturais tropicais. As amostras de solo foram coletadas nas camadas de 0-20 cm e 80-100 cm em áreas naturais com cobertura florestal primária ou secundária com pelo menos 20 anos de regeneração natural e aproximadamente 20 ha de área de cobertura. A análise da textura dos solos pelo método convencional foi realizada utilizando o método do hidrômetro. Uma porção das amostras de solo foi analisada pelos sensores pXRF e Vis-NIR em triplicatas em condições de laboratório. A predição da textura dos solos foi realizada utilizando dois algoritmos de machine learning, o Random Forest (RF) e o Support Vector Machine with Radial Basis Function Kernel (SVM). Os modelos preditivos da textura do solo no RF apresentaram maiores valores de R² e menores RSME e MAE em comparação com os modelos no SVM. Os valores do R² com dados do pXRF, Vis-NIR e combinação dos sensores, foram respectivamente, para areia (0,89; 0,87 e 0,93), argila (0,92; 0,90 e 0,93) e silte (0,91; 0,67 e 0,93). Em geral, os modelos para argila obtiveram maiores valores de R2 comparado a areia e silte. A predição utilizando dados dos dois sensores obteve menores valores de RMSE e MAE e maiores valores de R² (areia 93%, argila 93% e silte 92%) em relação ao melhor sensor individualmente (Vis-NIR). O modelo de predição para areia e argila, utilizando dados do Vis-NIR, obteve menores erros em ambos horizontes e combinação. O efeito da combinação dos horizontes foi minimamente importante para os modelos. Os resultados demonstram a confiança do uso dos sensores proximais para a avaliação da textura do solo em solos naturais da Amazônia para a redução de custos e do tempo necessário para as análises. 

MEMBROS DA BANCA:
Presidente - 030.493.086-56 - SILVIO JUNIO RAMOS - ITV
Externo ao Programa - 3600530 - JOAO FERNANDES DA SILVA JUNIOR
Externa à Instituição - EDNA SANTOS DE SOUZA - UNIFESSPA
Externo à Instituição - SÉRGIO HENRIQUE GODINHO SILVA - UFLA