Artigo de periodico

Integrating proximal geophysical sensing and machine learning for digital soil mapping: spatial prediction and model evaluation using a small dataset (2025)

• Authors:
  • Mello, Danilo César de
  • Veloso, Gustavo Vieira
  • Mello, Murilo Ferre de
  • Lana, Marcos Guedes de
  • Oliveira, Isabelle de Angeli
  • Mello, Fellipe Alcantara de Oliveira
  • Siqueira, Rafael Gomes
  • Gomes, Lucas Carvalho
  • Fernandes-Filho, Elpídio Inácio
  • Schaefer, Carlos Ernesto Gonçalves Reynaud
  • Francelino, Márcio Rocha
  • Leite, Emilson Pereira
  • Ferreira, Tiago Osório
  • Demattê, José Alexandre Melo
• USP affiliated authors: FERREIRA, TIAGO OSORIO - ESALQ ; DEMATTE, JOSE ALEXANDRE MELO - ESALQ ; LANA, MARCOS GUEDES DE - ESALQ ; MELLO, FELLIPE ALCANTARA DE OLIVEIRA - ESALQ
• Unidade: ESALQ
• DOI: 10.1016/j.soilad.2024.100024
• Subjects: APRENDIZADO COMPUTACIONAL; CONDUTIVIDADE ELÉTRICA; DISTRIBUIÇÃO ESPACIAL; GAMAESPECTROMETRIA; MAPEAMENTO DO SOLO; SENSOR; SOLOS
• Keywords: Suscetibilidade magnética
• Agências de fomento:
  • Financiamento CNPq
  • Financiamento FAPESP
  • Financiamento CAPES
  • Financiamento UFV
  • Financiamento PRPG/UNICAMP
• Language: Inglês
• Imprenta:
  • Publisher place: Amsterdam
  • Date published: 2025
• Source:
  • Título: Soil Advances
  • ISSN: 2950-2896
  • Volume/Número/Paginação/Ano: v. 3, art. 100024, p. 1-13, 2025


Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).

Status:

Artigo publicado em periódico de acesso aberto (Gold Open Access)

Versão do Documento:

Versão publicada (Published version)

Acessar versão aberta:

• URL de acesso aberto
• PDF de acesso aberto

Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.

---

Download do texto completo

Tipo	Nome	Link
	3233347-Integrating_proxi...	Direct link

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  MELLO, Danilo César de et al. Integrating proximal geophysical sensing and machine learning for digital soil mapping: spatial prediction and model evaluation using a small dataset. Soil Advances, v. 3, p. 1-13, 2025Tradução . . Disponível em: https://doi.org/10.1016/j.soilad.2024.100024. Acesso em: 30 mar. 2026.

• APA

  Mello, D. C. de, Veloso, G. V., Mello, M. F. de, Lana, M. G. de, Oliveira, I. de A., Mello, F. A. de O., et al. (2025). Integrating proximal geophysical sensing and machine learning for digital soil mapping: spatial prediction and model evaluation using a small dataset. Soil Advances, 3, 1-13. doi:10.1016/j.soilad.2024.100024

• NLM

  Mello DC de, Veloso GV, Mello MF de, Lana MG de, Oliveira I de A, Mello FA de O, Siqueira RG, Gomes LC, Fernandes-Filho EI, Schaefer CEGR, Francelino MR, Leite EP, Ferreira TO, Demattê JAM. Integrating proximal geophysical sensing and machine learning for digital soil mapping: spatial prediction and model evaluation using a small dataset [Internet]. Soil Advances. 2025 ; 3 1-13.[citado 2026 mar. 30 ] Available from: https://doi.org/10.1016/j.soilad.2024.100024

• Vancouver

  Mello DC de, Veloso GV, Mello MF de, Lana MG de, Oliveira I de A, Mello FA de O, Siqueira RG, Gomes LC, Fernandes-Filho EI, Schaefer CEGR, Francelino MR, Leite EP, Ferreira TO, Demattê JAM. Integrating proximal geophysical sensing and machine learning for digital soil mapping: spatial prediction and model evaluation using a small dataset [Internet]. Soil Advances. 2025 ; 3 1-13.[citado 2026 mar. 30 ] Available from: https://doi.org/10.1016/j.soilad.2024.100024

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• 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
• Global warming may turn ice-free areas of Maritime and Peninsular Antarctica into potential soil organic carbon sinks
• A framework based on isoparameters for clustering and mapping geophysical data in pedogeomorphological studies
• Spatial prediction of soil surface properties in an arid region using synthetic soil image and machine learning
• A new methodological framework for geophysical sensor combinations associated with machine learning algorithms to understand soil attributes
• Remote sensing technologies for digital soil mapping: applications for agriculture and environmental planning
• Compartimentação da paisagem via relevo e rede de drenagem e sua relação com atributos e classes de solos
• Combining multiple methods for automated soil delineation: from traditional to digital
• Strategies for predictive digital soil mapping by geophysical, remote sensing and machine learning approaches