Mapeamento Digital de Solos
Tecnologia e Ciência
Descrição do Projeto
A profundidade do solo é um dos fatores mais críticos que impactam na produtividade das culturas e complicam a tomada de decisões de manejo apropriadas. No entanto, avaliar esse parâmetro é uma das tarefas mais desafiadoras no campo agronômico. O objetivo deste trabalho foi prever a distribuição espacial da profundidade do solo utilizando técnicas espaciais (sensoriamento remoto, RS) e aprendizado de máquina. Um total de 292 locais foram selecionados (com base na abordagem toposequência) e perfurados (0–2 m de profundidade) em três diferentes localidades no Brasil. Com base nisso, mapas de profundidade tradicionais in situ (denominados mapas de campo) foram elaborados para validação. Posteriormente, criamos uma estratégia para alcançar essas diferentes profundidades por meio da abordagem RS. Bandas Landsat 8 OLI, Temperatura da Superfície Terrestre (LST), Índice de Vegetação por Diferença Normalizada (NDVI) e emissividade nas estações seca e chuvosa, bem como atributos do terreno, foram aplicados para prever a profundidade do solo. Para isso, as covariáveis mais importantes foram selecionadas usando Seleção Recursiva de Características (RFE) baseada em Random Forest (RF) e Máquina de Vetores de Suporte (SVM). Em seguida, a aplicação de RF e SVM pelas covariáveis selecionadas foi comparada com base em validação cruzada de dez vezes para cada localidade. O melhor modelo foi selecionado com base em R2, RMSE e MAE, precisão e abordagem de bootstrap e incertezas. Atributos do terreno foram importantes para discriminar a profundidade do solo. Embora LST e NDVI também tenham apresentado importante contribuição para esta tarefa. Diferentes estações implicam em dinâmicas de água e plantas em solos profundos e rasos. Isso impactou o NDVI e LST, como detectado por RS. Assim, o método traz mais variáveis para inferir a profundidade do solo. O modelo RF apresentou melhor desempenho que o SVM para prever a profundidade do solo com uma média de R2 de 0,77. A precisão entre um mapeamento digital de solo e um mapa de campo alcançou de 0,58 a 0,81, indicando um resultado importante considerando a dificuldade do objetivo. Isso pode ajudar pedologistas, agricultores, bem como monitoramento ambiental de água e plantas.
Indique alguém e receba o pagamento!
Você conhece alguém que se encaixa bem no projeto? Ganhe comissão indicando freelancers! Por cada inscrição você ganha 5 € diretamente na sua conta e quando o freelancer é contratado pela plataforma você ganha 2% dos ganhos deste freelancer!
Preencha os detalhes do profissional que você gostaria de recomendar:
Quando o freelancer aceitar o convite, ele será automaticamente adicionado à sua rede e você ganhará 2% a mais todos os ganhos deste freelancer através da plataforma. Para mais informações consulte nosso Termos e Condições
Freelancers interessados
-
- {{ item.hourlyRate || '-' }} por hora
-
{{ item.cityName }}
{{ item.stateName }}, {{ item.countryName }} - {{ item.nrSharedConnections }} conexões compartilhadas
PremiumAbrir bate-papo
Nenhum freelancer interessado ainda
Recusar
-
{{item.displayName}}
{{item.displayDisciplines}}
- {{ item.hourlyRate || '-' }} por hora
- {{ item.cityName }}, {{ item.stateName }}
- {{item.nrSharedConnections}} conexões compartilhadas
Você tem uma conta stand-by e já respondeu a 1 projeto neste período de assinatura.
Atualize sua conta agora com apenas 1 clique e responda a projetos ilimitados.