Banca de QUALIFICAÇÃO: DOUGLAS MIRANDA FERNANDES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: DOUGLAS MIRANDA FERNANDES
DATA: 17/06/2026
HORA: 08:00
LOCAL: Departamento de Ciência do Solo - Sala DCS02
TÍTULO:

Mapeamento digital de solos e seus atributos para delimitação de zonas de manejo na cultura do café no sul de Minas Gerais, Brasil

PALAVRAS-CHAVES:

Variabilidade espacial, pedometria, sensoriamento próximo, sensoriamento remoto.

PÁGINAS: 47
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Ciência do Solo
ESPECIALIDADE: Gênese, Morfologia e Classificação dos Solos
RESUMO:

A produtividade do café é influenciada por fatores relacionados ao solo, relevo, clima e manejo, sendo a variabilidade espacial dos atributos o principal fator para a definição de zonas de manejo (ZM) na agricultura. O uso de sensoriamento remoto (sensores orbitais e VANTs) e sensoriamento próximo (pXRF, colorimetria e suscetibilidade magnética) permite caracterizar atributos físicos e químicos do solo de forma rápida, sustentável e com menor custo, complementando análises laboratoriais. A grande quantidade de dados gerados por essas técnicas permite o uso de algoritmos de aprendizado de máquina, como Random Forest, XGBoost e redes neurais, que têm apresentado bom desempenho na predição de atributos do solo e na geração de mapas. Nesse contexto, o mapeamento digital de solos (MDS) integra dados geográficos, modelos computacionais para estimar a distribuição espacial de atributos do solo, oferecendo vantagens como menor custo, replicabilidade e quantificação de incertezas. O MDS pode ser aplicado na delimitação de ZM, definidas como áreas homogêneas dentro do talhão, onde práticas de manejo podem ser uniformizadas. Essa delimitação deve considerar múltiplos critérios, como atributos do solo, relevo, fertilidade, altitude e, na cafeicultura, até a maturação dos frutos. Apesar dos avanços, muitos estudos ainda utilizam abordagens tradicionais baseadas apenas em atributos físicos e químicos. Assim, este trabalho propõe integrar dados de sensoriamento próximo e remoto com algoritmos de aprendizado de máquina e mapas pedológicos para mapear atributos do solo e delimitar zonas de manejo em áreas cafeeiras, visando maior eficiência, rentabilidade e sustentabilidade.

MEMBROS DA BANCA:
Presidente - SERGIO HENRIQUE GODINHO SILVA (Membro)
Externo ao Programa - RAFAEL DE OLIVEIRA FARIA - DEG/EENG (Membro)
Interno - MICHELE DUARTE DE MENEZES (Membro)
Interno - JUNIOR CESAR AVANZI (Suplente)
Interno - BRUNO MONTOANI SILVA (Membro)
Externo ao Programa - ADAO FELIPE DOS SANTOS - DAG/ESAL (Suplente)