Dados do Trabalho

Título

UTILIZANDO UMA BIBLIOTECA ESPECTRAL REGIONAL VIS-NIR-SWIR PARA PREDIZER O TEOR DE ARGILA DO SOLO

Resumo

A espectroscopia de reflectância difusa na região do Vis-NIR-SWIR e a organização das informações espectrais do solo em bibliotecas espectrais (BE) têm se mostrado ferramentas com potencial em capturar a variabilidade pedológica e quantificar algumas propriedades do solo, entre elas o teor de argila. Porém, a maior parte dos estudos tem avaliado a acurácia de modelos de predição (MP) calibrados com BE locais, que apresentam reduzido número de amostras e pouca variação pedológica. Diante disso, o objetivo deste trabalho foi avaliar o uso de uma BE-Regional Vis-NIR-SWIR no desenvolvimento de MP para o conteúdo de argila de solos subtropicais do Brasil. Para isso foi utilizada uma BE-Regional, contendo 5.000 amostras de solo oriundas do Estado do Rio Grande do Sul – RS, Brasil. Essas amostras são derivadas de distintas classes de solo e apresentam como principal característica a alta variação no conteúdo matéria orgânica, argila e mineralogia na sua constituição. O conteúdo de argila foi determinado pelo método da pipeta. A leitura da reflectância espectral das amostras de solo foi realizada com o uso do espectroradiômetro FildSpec Pro (ASD Inc.), com capacidade de amostragem no intervalo de 350 à 2500 nm. Para reduzir as flutuações aleatórias nos espectros, as curvas de reflectância consideradas como curvas originais foram suavizadas - utilizando uma janela móvel de 9 nm. O método de machine learning Radom Forest foi utilizado para construção do modelo de predição. A BE-Regional foi particionada em dois conjuntos: calibração (n = 3.500; 70%) e validação (n = 1.500; 30%). O MP do conteúdo de argila apresentou boa acurácia, com valores de R2 = 0,95; RMSE (raiz quadrada do erro médio) = 2,8%; MAE (erro médio absoluto) = 2,0%. Os resultados de acurácia observados na predição do conteúdo de argila neste estudo mostram que a BE apresenta potencial para gerar informações do conteúdo argila para solos coletados na região de abrangência da BE-Regional.

Palavras-chave

solos subtropicais; sensoriamento remoto proximal; machine learning; pedometria.

Instituição financiadora

Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul (FAPERGS - 21/2551-0001920-4).

Agradecimentos

Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul (FAPERGS) e Conselho Nacional de Desenvolvimento Científico e Tecnológico (processo: 166104/2020-5).