Banca de DEFESA: RAFAELLA TATIANE SILVA DE SÁ

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: RAFAELLA TATIANE SILVA DE SÁ
DATA: 25/08/2026
HORA: 14:00
LOCAL: Anfiteatro da Microbiologia do Solo
TÍTULO:

PREDICTION OF SOIL CARBON DEFICITS AND SOIL PROPERTIES THROUGH PROXIMAL SENSING AND MACHINE LEARNING IN SOYBEAN-COTTON SYSTEMS IN THE BRAZILIAN CERRADO

PALAVRAS-CHAVES:

Carbono orgânico particulado, Carbono orgânico associado a minerais, Sensoriamento proximal, pXRF, Vis‑NIR, FTIR

PÁGINAS: 1
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Ciência do Solo
ESPECIALIDADE: Manejo e Conservação do Solo
RESUMO:

A intensificação de sistemas soja‑algodão no Cerrado tem resultado em déficits expressivos de carbono do solo e degradação de atributos físicos, comprometendo a sustentabilidade produtiva e ambiental desses sistemas. Embora o plantio direto regenerativo seja apontado como estratégia promissora para reverter esse quadro, ainda há lacunas quanto à sua capacidade de restaurar, ao longo do perfil do solo, as diferentes frações da matéria orgânica e suas relações com a qualidade física, especialmente quando adotado após eventos pontuais de revolvimento mecânico estratégico. Diante desse contexto, esta tese teve como objetivo i) quantificar a “dívida” de COS e de suas frações POC e MAOC em sistemas soja‑algodão avaliados 1, 6 e 10 anos após um evento único de subsolagem seguido de manejo regenerativo em plantio direto, caracterizando a redistribuição desses pools ao longo do perfil; ii) investigar como a recarbonização do solo ao longo dessa sequência pós‑subsolagem se relaciona com a recuperação de atributos físicos críticos, como agregação, densidade, porosidade funcional e capacidade de armazenamento de água; e iii) desenvolver e validar modelos baseados em sensoriamento proximal (pXRF, Vis‑NIR e FTIR/MIR), integrados a algoritmos de aprendizado de máquina, para predizer propriedades físico‑químicas do solo e indicadores da dinâmica do carbono em condições tropicais. Em conjunto, os resultados demonstram que a combinação entre um revolvimento ocasional estratégico e o manejo regenerativo subsequente pode reduzir parcialmente o déficit de carbono e melhorar a qualidade física do solo, com respostas diferenciadas entre POC e MAOC e entre classes texturais, e que a fusão de sensores proximais com aprendizado de máquina oferece uma alternativa robusta, rápida e de menor custo para monitorar, em larga escala, estoques e frações de carbono e atributos de qualidade do solo em sistemas produtivos do Cerrado.

MEMBROS DA BANCA:
Externo à Instituição - CARLOS EDUARDO PELLEGRINO CERRI - USP (Membro)
Interno - EDUANE JOSÉ DE PÁDUA - UFLA (Suplente)
Presidente - JUNIOR CESAR AVANZI (Membro)
Externo à Instituição - MILSON EVALDO SERAFIM - IFMT (Suplente)
Interno - SERGIO HENRIQUE GODINHO SILVA (Membro)
Externo à Instituição - THAIS NASCIMENTO PESSOA - CNPEM (Membro)
Interno - SAMARA MARTINS BARBOSA - UFLA (Membro)