Remote sensing technologies for digital soil mapping: applications for agriculture and environmental planning (2022)
- Authors:
- Autor USP: MELLO, FELLIPE ALCANTARA DE OLIVEIRA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LSO
- DOI: 10.11606/T.11.2022.tde-07122022-100657
- Subjects: AGRICULTURA; MAPEAMENTO DO SOLO; MODELAGEM DE DADOS; PLANEJAMENTO AMBIENTAL; REDES DE DRENAGEM; SENSORIAMENTO REMOTO; SOLO HIDROMÓRFICO
- Agências de fomento:
- Language: Inglês
- Abstract: A presente tese de doutorado desenvolveu pesquisa sobre o mapeamento digital de solos (MDS) e seu potencial para o aprimoramento dos levantamentos de solo a partir de informações digitais. No primeiro capítulo há uma introdução geral sobre a pesquisa desenvolvida, uma contextualização geral sobre a importância do tema e suas aplicações para o avanço da ciência do solo. O segundo capítulo apresenta a inserção de novas covariáveis para o MDS relacionadas a redes de drenagem (RD). O trabalho combinou informações de satélite, relevo e RD para mapear os teores de argila, areia e carbono orgânico do solo para o município de Piracicaba no estado de São Paulo, Brasil. O terceiro capítulo aplica a metodologia do MDS para realizar o refinamento (aumento de escala) de um mapa geológico para a região de Pereira Barreto no estado de São Paulo, Brasil. O trabalho mostrou que mesmo com a reflectância espectral da superfície do solo é possível fazer relações e análises sobre as características da subsuperfície. No quarto capítulo, foi aplicada a metodologia de detecção de solo exposto (imagem sintética de solo exposto SySI) para a identificação e classificação de solos com ocorrência de hidromorfismo. A reflectância nas faixas espectrais do visível, infra-vermelho próximo e infra-vermelho de ondas curtas (Vis-NIR- SWIR) do solo exposto foi capaz de identificar feições relacionadas aos solos hidromórficos, as quais foram utilizadas para classificar estes solos para uma região de 863,577.9km2 entre o sudeste e centro-oeste do Brasil. Os resultados indicaram alta ocorrência de hidromorfismo em áreas agrícolas, indicando a necessidade de maior monitoramento. O ultimo capítulo apresenta uma conclusão geral do trabalho com os principais resultados e suas aplicações na ciência do solo
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2022
- Data da defesa: 19.09.2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MELLO, Fellipe Alcantara de Oliveira. Remote sensing technologies for digital soil mapping: applications for agriculture and environmental planning. 2022. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2022. Disponível em: https://teses.usp.br/teses/disponiveis/11/11140/tde-07122022-100657/. Acesso em: 29 mar. 2026. -
APA
Mello, F. A. de O. (2022). Remote sensing technologies for digital soil mapping: applications for agriculture and environmental planning (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://teses.usp.br/teses/disponiveis/11/11140/tde-07122022-100657/ -
NLM
Mello FA de O. Remote sensing technologies for digital soil mapping: applications for agriculture and environmental planning [Internet]. 2022 ;[citado 2026 mar. 29 ] Available from: https://teses.usp.br/teses/disponiveis/11/11140/tde-07122022-100657/ -
Vancouver
Mello FA de O. Remote sensing technologies for digital soil mapping: applications for agriculture and environmental planning [Internet]. 2022 ;[citado 2026 mar. 29 ] Available from: https://teses.usp.br/teses/disponiveis/11/11140/tde-07122022-100657/ - Compartimentação da paisagem via relevo e rede de drenagem e sua relação com atributos e classes de solos
- Spatial prediction of soil surface properties in an arid region using synthetic soil image and machine learning
- Digital mapping of soil weathering using field geophysical sensor data coupled with covariates and machine learning
- A new methodological framework for geophysical sensor combinations associated with machine learning algorithms to understand soil attributes
- Pedogenetic processes operating at different intensities inferred by geophysical sensors and machine learning algorithms
- Combining multiple methods for automated soil delineation: from traditional to digital
- Integrating proximal geophysical sensing and machine learning for digital soil mapping: spatial prediction and model evaluation using a small dataset
- Sensor-based field methods for pedology and soil surveys: protocol suggestions for Brazilian tropical soils
- Soil health and ecosystem services in mangrove forests: A global overview
- Terrain Analysis in Google Earth Engine: A Method Adapted for High-Performance Global-Scale Analysis
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
