Banca de DEFESA: CAMEAU CADOSTIN

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: CAMEAU CADOSTIN
DATA: 17/02/2025
HORA: 08:00
LOCAL: Departamento de Ciência do Solo - Sala DCS02
TÍTULO:

PREDIÇÃO E AVALIAÇÂO DA RESOLUÇÃO ESPACIAL PARA O MAPEAMENTO DA TEXTURA DE SOLOS ATRAVÉS DE SENSORIAMENTO REMOTO E PROXIMAL 

PALAVRAS-CHAVES:

Textura do Solo, Modelo Digital de Elevação, Machine Learning, Atributos do Terreno, Material de Origem.

PÁGINAS: 81
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Ciência do Solo
ESPECIALIDADE: Gênese, Morfologia e Classificação dos Solos
RESUMO:

A textura do solo é um fator determinante que influencia diversos aspectos do ambiente terrestre, incluindo a fertilidade, a retenção de água e a biodiversidade. Compreender a distribuição e as variações da textura do solo é, portanto, essencial para uma gestão sustentável das terras e dos recursos naturais. O mapeamento da textura do solo baseava-se tradicionalmente em métodos de amostragem e análise em laboratório, que, embora precisos, podem ser caros e demorados. Com o advento das tecnologias de sensoriamento proximal e remoto, tornou-se possível obter informações detalhadas sobre a textura do solo em uma escala espacial mais ampla e com maior eficiência. Essas tecnologias permitem não apenas mapear as características do solo de forma mais rápida e econômica, mas também possibilitam analisar o impacto da resolução espacial na precisão dos dados coletados. Neste estudo, inicialmente avaliamos a contribuição dos dados de sensoriamento proximal e remoto na predição e no mapeamento da textura do solo. Para isso, foram coletadas 114 amostras de solo nos horizontes A e B da Fazenda Experimental Muquém (UFLA). Essas amostras foram analisadas pelo método da pipeta para granulometria, complementadas por medições de pXRF (espectrometria de fluorescência de raios-X portátil) e de susceptibilidade magnética (SM). Foram gerados quinze (15) atributos do terreno derivados de Modelos Digitais de Elevação (MDE) com resolução de 12,5 m, utilizando os softwares QGIS e SAGA GIS. Os modelos de predição foram construídos utilizando o algoritmo Random Forest, demonstrando que a integração de dados de sensores proximais com informações topográficas melhora significativamente a precisão dos mapas de propriedades do solo. Em segundo lugar, analisamos o impacto dos atributos do terreno e do material de origem em diferentes resoluções espaciais na predição da textura do solo na UFLA. Modelos Digitais de Elevação (MDE) derivados de curvas de nível de 1 m a 30 m, assim como dados dos projetos Alos PALSAR e SRTM, foram utilizados para gerar 15 atributos do terreno. Os modelos foram treinados com os algoritmos Random Forest e SVM, com base em 232 amostras de solo. A análise revelou que o material de origem é um fator determinante para a predição das frações texturais (areia, silte e argila), seguido de atributos como o Channel Network Base Level (CNBL), o Multiresolution Index of Ridge Top Flatness (MRRTF) e o Multiresolution Index of Valley Bottom Flatness (MRVBF). Além disso, os MDE com resolução de 20 m produziram os modelos mais precisos, confirmando que resoluções mais altas (1 m, 5 m) não garantem, necessariamente, um melhor desempenho preditivo. Este estudo demonstra que a combinação de dados de sensoriamento proximal, de MDE e de algoritmos de machine learning constitui uma abordagem eficaz para o mapeamento digital do solo, promovendo uma gestão sustentável dos recursos pedológicos.

MEMBROS DA BANCA:
Externo à Instituição - MILSON EVALDO SERAFIM - IFMT (Membro)
Externo ao Programa - ADAO FELIPE DOS SANTOS - DAG/ESAL (Suplente)
Externo ao Programa - FELIPE HAENEL GOMES - DCS/ESAL (Suplente)
Interno - BRUNO MONTOANI SILVA (Membro)
Interno - JUNIOR CESAR AVANZI (Membro)
Interno - SERGIO HENRIQUE GODINHO SILVA (Membro)