Geotechnologies applied in digital soil mapping (2020)
- Authors:
- Autor USP: MENDES, WANDERSON DE SOUSA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LSO
- Subjects: ESPECTROSCOPIA; MAPEAMENTO DO SOLO; MINERALOGIA DO SOLO; SENSORIAMENTO REMOTO
- Keywords: Pedometria
- Language: Inglês
- Abstract: A civilização vive em um mundo de mapas os quais são vitais em nível regional e local para o delineamento das melhores práticas agrícolas. O solo é o substrato para o crescimento das plantas e, portanto, fundamental para atender a demanda alimentar. No entanto, a escala cartográfica desses mapas de solos, que para a melhor prática agrícola de manejo (MPAM), tem que ser a mais detalhada possível os quais atualmente são escassos. O Mapeamento Digital de Solos (MDS) tornou-se a abordagem mais fácil e viável para atingir essa demanda. Apesar de estudos anteriores terem tentado caracterizar melhor as profundidades do solo, há espaço para aperfeiçoamento em sua dinâmica e mapeamento. Tendo como foco este objetivo, as tecnologias de Sensoriamento Remoto (SR) provam ser uma grande ferramenta nesta tarefa. No entanto, alguns aspectos dessa abordagem ainda precisam ser testados usando outros modelos híbridos, estocásticos e determinísticos para as previsões de susceptibilidade magnética (SM) e atributos do solo na superfície e subsuperfície. Portanto, o capítulo 1 apresenta a avaliação de nove algoritmos de aprendizado de máquinas (AAMs) para predizer o teor de ferro livre na superfície do solo (0 - 20 cm) usando a estrutura do MDS. Com base no melhor desempenho desses nove AAMs, selecionamos cinco. O capítulo 2 mostra o uso desses cinco AAMs com variáveis ambientais usuais e novas (por exemplo, DEM, rede de drenagem e espectroscopia do solo) para predizer SM e atributos do solo até100 cm de profundidade. Quanto a mineralogia dos solos, a quantificação dos minerais do solo atualmente consistem na análise de laboratório tradicional de solos. No entanto, desenvolvimentos na interpretação e análise da refletância difusa do visível e do infravermelho próximo (VNIR) permitem quantificar alguns dos minerais do solo. No capítulo 3, implementa-se uma nova metodologia usando espectroscopia VNIR para quantificar os principais minerais do solo e avalia a aplicação da estrutura de mapeamento digital do solo para espacializar esses minerais. Por fim, mas não menos importante, o capítulo 4 apresenta a inovação de usar todos os componentes do solo como preditores das unidades de mapeamento de solo na região de Piracicaba-SP em escala de fazenda (1: 20.000), gerando o primeiro mapa digital detalhado do solo da região. Adicionalmente neste capítulo, foi criado o mapa digital de ambientes de produção para cana-de-açúcar. Assim, esta tese apresenta uma nova estrutura metodológica e integrativa na obtenção de mapas digitais de solo em escala detalhada para a MPAM e serve como guia para futuros levantamentos de solos em todo o mundo
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2020
- Data da defesa: 16.11.2020
-
ABNT
MENDES, Wanderson de Sousa. Geotechnologies applied in digital soil mapping. 2020. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-11012021-161813/. Acesso em: 23 abr. 2024. -
APA
Mendes, W. de S. (2020). Geotechnologies applied in digital soil mapping (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11140/tde-11012021-161813/ -
NLM
Mendes W de S. Geotechnologies applied in digital soil mapping [Internet]. 2020 ;[citado 2024 abr. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-11012021-161813/ -
Vancouver
Mendes W de S. Geotechnologies applied in digital soil mapping [Internet]. 2020 ;[citado 2024 abr. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-11012021-161813/ - Estimation of effective calibration sample size using visible near infrared spectroscopy: deep learning vs machine learning
- The influence of training sample size on the accuracy of deep learning models for the prediction of soil properties with near-infrared spectroscopy data
- Integration of multispectral and hyperspectral data to map magnetic susceptibility and soil attributes at depth: a novel framework
- A novel framework to estimate soil mineralogy using soil spectroscopy
- Geostatistics or machine learning for mapping soil attributes and agricultural practices
- Emissivity of agricultural soil attributes in southeastern Brazil via terrestrial and satellite sensors
- Ratio of Clay Spectroscopic Indices and its approach on soil morphometry
- Improvement of clay and sand quantification based on a novel approach with a focus on multispectral satellite images
- Fine-scale soil mapping with Earth Observation data: a multiple geographic level comparison
- Land use/land cover changes and bare soil surface temperature monitoring in southeast Brazil
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
