Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning (2025)
- Authors:
- Autor USP: RODRIGUES, ANA PAULA DECHEN - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LSO
- DOI: 10.11606/D.11.2025.tde-08052025-163610
- Subjects: APRENDIZADO COMPUTACIONAL; FLORESTAS; GLEISSOLOS; ORGANOSSOLOS; PLANÍCIE DE INUNDAÇÃO; SENSORIAMENTO REMOTO; TECNOLOGIA LIDAR
- Keywords: Turfeiras de baixa altitude
- Agências de fomento:
- Language: Português
- Abstract: As áreas úmidas tropicais contribuem para a manutenção de diferentes serviços ecossistêmicos. As turfeiras de baixa altitude são ecossistemas de áreas úmidas compostas por Organossolos sob Florestas Paludosas. A dificuldade de caminhamento e os padrões homogêneos de dossel florestal observados em imagens de satélite e fotografias aéreas dificultam o seu mapeamento. Por esse motivo, a real extensão dos Organossolos é omitida por estarem mapeados em associação a Gleissolos. O objetivo geral deste trabalho foi explorar o potencial de métricas LiDAR para identificar padrões estruturais de Floresta Paludosa associados a Organossolos, que os diferenciem de Gleissolos na porção sul da Planície Costeira do Estado de São Paulo. Para isso, foram delimitadas 14 parcelas em uma área de vegetação conservada com Organossolos de espessuras diferentes e Gleissolo. A partir disso, foram extraídas métricas derivadas da Nuvem de Pontos LiDAR relativas à estrutura do dossel e mensurada a sua importância com o algoritmo Random Forest. Posteriormente, foi gerado um modelo de classificação supervisionada com uso do mesmo algoritmo. Por fim, a Análise de Redundância (RDA) correlacionou as métricas LiDAR com os macronutrientes e pH do solo. Os resultados indicam que o LiDAR acoplado a RPAS é uma ferramenta promissora para identificar Organossolos, frequentemente mapeados em associação aos Gleissolos. A estrutura da floresta se distingue entre solos minerais e orgânicos, principalmente em relação àcobertura do dossel. Além disso, as métricas LiDAR estão associadas principalmente com o tempo de permanência do lençol freático e pH
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2025
- Data da defesa: 19.02.2025
- 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
RODRIGUES, Ana Paula Dechen. Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning. 2025. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-08052025-163610/. Acesso em: 02 jan. 2026. -
APA
Rodrigues, A. P. D. (2025). Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11140/tde-08052025-163610/ -
NLM
Rodrigues APD. Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning [Internet]. 2025 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-08052025-163610/ -
Vancouver
Rodrigues APD. Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning [Internet]. 2025 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-08052025-163610/
Informações sobre o DOI: 10.11606/D.11.2025.tde-08052025-163610 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
