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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
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://www.teses.usp.br/teses/disponiveis/11/11140/tde-07122022-100657/. Acesso em: 12 jun. 2025. -
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://www.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 2025 jun. 12 ] Available from: https://www.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 2025 jun. 12 ] Available from: https://www.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
- Pedogenetic processes operating at different intensities inferred by geophysical sensors and machine learning algorithms
- A new methodological framework for geophysical sensor combinations associated with machine learning algorithms to understand soil attributes
- 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
- Soil health and ecosystem services in mangrove forests: A global overview
- Sensor-based field methods for pedology and soil surveys: protocol suggestions for Brazilian tropical soils
- Terrain Analysis in Google Earth Engine: A Method Adapted for High-Performance Global-Scale Analysis
Informações sobre o DOI: 10.11606/T.11.2022.tde-07122022-100657 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
