Banca de QUALIFICAÇÃO: CAMEAU CADOSTIN

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: CAMEAU CADOSTIN
DATA: 18/07/2024
HORA: 08:00
LOCAL: Departamento de Ciência do Solo - Sala DCS02
TÍTULO:

PREDIÇÃO E MAPEAMENTO DA TEXTURA DOS SOLOS DA FAZENDA MUQUÉM, USANDO ATRIBUTOS DE TERRENO, DADOS DE PXRF E SUSCETIBILIDADE MAGNÉTICA

PALAVRAS-CHAVES:

Atributo do Terreno, Suscetibilidade Magnética, Fluorescência de Raios-X Portátil

PÁGINAS: 45
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Ciência do Solo
ESPECIALIDADE: Gênese, Morfologia e Classificação dos Solos
RESUMO:

Apesar da crescente adoção de sensores proximais em todo o mundo, trabalhos raros
combinaram dados proximais com dados de sensoriamento remoto para prever espacialmente as
propriedades do solo. Ao utilizar tais parâmetros, muitas vezes são obtidas melhores previsões
através da entrada de variáveis adicionais fornecidas pelo uso desses sensores combinados ou não.
Este trabalho tem o objetivo de avaliar a contribuição de dados de sensoriamento proximal e remoto
para prever e mapear a textura do solo usando espectrometria de fluorescência de raios (pXRF),
suscetibilidade magnética (SM) e atributos do terreno. No total, serão coletadas 114 amostras de
solo nos horizontes A e B em toda a área da Fazenda experimental Muquém da UFLA. Essas
amostras de solo serão submetidas a análises granulométrica pelo método da pipeta
complementadas com análises de sensores próximos para determinar o conteúdo químico
elementar total via pXRF e a suscetibilidade magnética. Vários atributos do terreno derivados do
modelo digital de elevação (MDE) com resolução de 12,5 m serão calculados via software QGIS
e SAGA GIS e serão selecionados com base em variáveis comumente utilizadas para previsão e
mapeamento de atributos do solo. De posse desses dados, modelos de predição serão gerados
utilizando os algoritmos Random Forest, Support Vector Machine e Linear Discriminant Analysis.
Este estudo pretende mostrar que os dados gerados pelos sensores proximais e remotos (pXRF,
SM, MDT) podem oferecer aliados a modelos matemáticos compõem uma alternativa precisa e
menos laboriosa para o mapeamento do solo e a predição de atributos do solo em escala detalhada.
Os mapas de atributos do solo que serão criados a partir destas previsões apoiarão e auxiliarão a
adopção de práticas sustentáveis de gestão do solo.

MEMBROS DA BANCA:
Presidente - SERGIO HENRIQUE GODINHO SILVA (Membro)
Interno - FELIPE HAENEL GOMES (Membro)
Externo ao Programa - ANITA FERNANDA DOS SANTOS TEIXEIRA - DAG/ESAL (Suplente)
Externo ao Programa - ADAO FELIPE DOS SANTOS - DAG/ESAL (Membro)