Menu



Exportar registro bibliográfico

Metrics:

Tese

The Brazilian Soil Available Water (TAW) acquired by remote sensing and machine learning techniques (2025)

  • Authors:
  • Autor USP: VOGEL, LETÍCIA GUADAGNIN - ESALQ
  • Unidade: ESALQ
  • Sigla do Departamento: LSO
  • DOI: 10.11606/D.11.2025.tde-04042025-163503
  • Subjects: ÁGUA DO SOLO; APRENDIZADO COMPUTACIONAL; DRENAGEM AGRÍCOLA; HIDROLOGIA; MODELAGEM DE DADOS; SENSORIAMENTO REMOTO
  • Keywords: Saúde do solo
  • Agências de fomento:
  • Language: Inglês
  • Abstract: A produção agrícola brasileira é uma das principais fornecedoras para o mercado internacional, utilizando pesquisa e tecnologia para melhorar a produtividade, reduzir custos e preservar os recursos naturais, especialmente a água. A água disponível no solo (AW) depende de atributos físicos do solo, como textura, estrutura e composição, sendo determinante para o desenvolvimento das plantas. Este estudo teve como objetivo mapear a água total disponível no solo (TAW) em todo o território brasileiro utilizando dados de solo, sensoriamento remoto, aprendizado de máquina e modelos hidrológicos. Foi utilizada uma base de dados georreferenciada com 41.438 perfis de solo. Os atributos do solo (argila, silte, areia e matéria orgânica) foram interpolados para espacializar camadas de até 1 m de profundidade. Implementamos uma função pedotransferência (PTF) para calcular os parâmetros hidráulicos do solo, além dos modelos hidrológicos SWAP e MFlux para estimar a capacidade de campo (FC) e o ponto de murcha permanente (PWP). Esses modelos foram combinados para calcular a TAW de todos os perfis de solo. Um algoritmo Random Forest foi calibrado com 21 covariáveis ambientais, incluindo topografia e características espectrais da vegetação e do solo. O modelo preditivo apresentou alta precisão (R2 = 0,66), destacando a relevância das características espectrais e topográficas na retenção de água no solo. Os resultados demonstraram variações significativas na TAW entre os biomas (Amazônia,Caatinga, Cerrado, Mata Atlântica, Pampa e Pantanal), classes de solo (Argissolo, Cambissolo, Gleissolo, Latossolo, Neossolo Quartzarênico, Neossolo Litólico, Nitossolo e Plintossolo) e usos da terra (Floresta, Savana, Manguezal, Áreas Alagáveis, Áreas Úmidas, Campos, Herbáceas, Pastagens, Soja, Cana-de-açúcar, Arroz, Algodão, Café, Citros, Palma e Silvicultura), refletindo interações complexas entre fatores ambientais e pedológicos. A região semiárida brasileira (143 mm.m-1) e a região de MATOPIBA (138 mm.m-1) apresentaram os menores valores de TAW, destacando a necessidade de práticas adequadas de manejo e monitoramento ambiental. A distribuição espacial da TAW oferece insights valiosos para o manejo sustentável da terra, orientando decisões sobre irrigação, práticas agrícolas e estratégias de conservação adaptadas a cada bioma. A preservação dos recursos hídricos é essencial para manter a biodiversidade, os serviços ecossistêmicos e a produtividade agrícola, especialmente em ecossistemas frágeis como o Cerrado e a Caatinga. Ao aproveitar tecnologias geoespaciais avançadas e aprendizado de máquina, este estudo contribui para o desenvolvimento sustentável da agricultura brasileira enquanto enfrenta desafios ambientaiscruciais
  • Imprenta:
  • Data da defesa: 07.02.2025
    • Acesso à fonteAcesso à fonteDOI
    Informações sobre o DOI: 10.11606/D.11.2025.tde-04042025-163503 (Fonte: oaDOI API)
    • 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
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      VOGEL, Letícia Guadagnin. The Brazilian Soil Available Water (TAW) acquired by remote sensing and machine learning techniques. 2025. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-04042025-163503/. Acesso em: 28 dez. 2025.

    • APA

      Vogel, L. G. (2025). The Brazilian Soil Available Water (TAW) acquired by remote sensing and machine learning techniques (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11140/tde-04042025-163503/

    • NLM

      Vogel LG. The Brazilian Soil Available Water (TAW) acquired by remote sensing and machine learning techniques [Internet]. 2025 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-04042025-163503/

    • Vancouver

      Vogel LG. The Brazilian Soil Available Water (TAW) acquired by remote sensing and machine learning techniques [Internet]. 2025 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-04042025-163503/

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

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2025