Predicting soil 𝛿13C patterns in Brazil using nested datasets, feature selection, and machine learning (2026)
- Authors:
- USP affiliated authors: AMORIM, DEOCLECIO JARDIM - CENA ; MARTINELLI, LUIZ ANTONIO - CENA ; BRUNELLO, ALEXANDRE TADEU - CENA ; ARAÚJO, MARIA GABRIELLA DA SILVA - Interunidades em Ecologia Aplicada ; NARDOTO, GABRIELA BIELEFELD - CENA
- Unidades: CENA; Interunidades em Ecologia Aplicada
- DOI: 10.1016/j.ecoinf.2026.103647
- Subjects: ISÓTOPOS ESTÁVEIS; CICLO DO CARBONO; ALGORITMOS; USO DO SOLO; ESTATÍSTICA APLICADA
- Agências de fomento:
- National Council for Scientific and Technological Development
- National Council for Scientific and Technological Development
- National Council for Scientific and Technological Development
- Coordination for the improvement of Higher Education Personnel
- Universidade de Brasilia
- Department of Primary Industries
- Foundation for Research Support of the Federal District
- Language: Inglês
- Imprenta:
- Source:
- Título: Ecological Informatics
- ISSN: 1574-9541
- Volume/Número/Paginação/Ano: v. 94, art. 103647, p. 1-22, 2026
- Este periódico possui versão em acesso aberto
- Este artigo possui versão em acesso aberto
- URL de acesso aberto
- Versão: publishedVersion
- Licença: cc-by
- Evidência: deprecated
- Status do Acesso Aberto: gold
-
ABNT
CARVALHO, Osmar Luiz Ferreira de et al. Predicting soil 𝛿13C patterns in Brazil using nested datasets, feature selection, and machine learning. Ecological Informatics, v. 94, p. 1-22, 2026Tradução . . Disponível em: https://doi.org/10.1016/j.ecoinf.2026.103647. Acesso em: 09 mar. 2026. -
APA
Carvalho, O. L. F. de, Neves, G. das, Souza, J. P. S., Brunello, A. T., Vasconcelos, V., Silva, D. G. e, et al. (2026). Predicting soil 𝛿13C patterns in Brazil using nested datasets, feature selection, and machine learning. Ecological Informatics, 94, 1-22. doi:10.1016/j.ecoinf.2026.103647 -
NLM
Carvalho OLF de, Neves G das, Souza JPS, Brunello AT, Vasconcelos V, Silva DG e, Araújo MG da S, Amorim DJ, Martinelli LA, Nardoto GB, Carvalho OA de. Predicting soil 𝛿13C patterns in Brazil using nested datasets, feature selection, and machine learning [Internet]. Ecological Informatics. 2026 ; 94 1-22.[citado 2026 mar. 09 ] Available from: https://doi.org/10.1016/j.ecoinf.2026.103647 -
Vancouver
Carvalho OLF de, Neves G das, Souza JPS, Brunello AT, Vasconcelos V, Silva DG e, Araújo MG da S, Amorim DJ, Martinelli LA, Nardoto GB, Carvalho OA de. Predicting soil 𝛿13C patterns in Brazil using nested datasets, feature selection, and machine learning [Internet]. Ecological Informatics. 2026 ; 94 1-22.[citado 2026 mar. 09 ] Available from: https://doi.org/10.1016/j.ecoinf.2026.103647 - Evaluating an isotopic model for tracing the geographic origin of soybeans in Brazil
- The influence of seasonal river flooding in food consumption of riverine dwellers in the central Amazon region: an isotopic approach
- Reconstructing continental-scale variation in soil δ15N: a machine learning approach in South America
- Recuperation of nitrogen cycling in Amazonian forests following agricultural abandonment
- Abundância natural de ÁNTPOT 15 N' na Amazônia e Cerrado - implicações para a ciclagem de nitrogênio
- Machine-learning models of δ 13C and δ N isoscapes in Amazonian wood
- Within- and between-site variability of δ18O, δ13C, and δ15N in Amazonian tree rings: climatic drivers and implications for geographic traceability
- Land uses modify isotopic composition in aquatic macroinvertebrates from semideciduous Atlantic Forest stream sites
- Soils and their effects on Brazilian Caatinga vegetation
- Spatiotemporal variability of carbon dioxide (CO2) and methane (CH4) concentration and flux in the Lower Amazon region
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
