Por favor, use este identificador para citar o enlazar este ítem: https://rima110.im.ufrrj.br:8080/jspui/handle/20.500.14407/15908
metadata.dc.type: Tese
Título: Mapeamento digital de solos e predição de atributos utilizando Machine Learning e lógica fuzzy na bacia do Ribeirão Inhaúma, Iconha/ES
Otros títulos: ...
Autor: Campbell, Patrícia Morais da Matta
metadata.dc.contributor.advisor1: Francelino, Márcio Rocha
metadata.dc.contributor.referee1: Francelino, Márcio Rocha
metadata.dc.contributor.referee2: Mendonça, Bruna Araújo Furtado de
metadata.dc.contributor.referee3: Pinheiro, Helena Saraiva Koenow
metadata.dc.contributor.referee4: Fernandes Filho, Elpídio Inácio
metadata.dc.contributor.referee5: Carvalho Junior, Waldir de
Resumen: Obter informações a respeito do solo e seus atributos é essencial para o bom planejamento do uso e ocupação do mesmo. O mapeamento convencional e as análises laboratoriais de rotina são os métodos mais utilizados no Brasil para espacialização do solo e obtenção de informações acerca de seus atributos. No caso do mapeamento de classes de solo esse método é baseado em modelos mentais desenvolvidos pelo pedólogo, o que o torna altamente subjetivo, dependente da experiência do profissional e de difícil repetição, enquanto as análises laboratoriais são dispendiosas e apresentam a possibilidade de geração de impactos ambientais pelo uso de reagentes químicos. Por isso, novas técnicas computacionais tem se apresentado como uma ferramenta para mapeamento de classes e atributos de solos, proporcionando maior rapidez e diminuição do custo em relação aos métodos convencionais. Assim nesse trabalho estudou-se o uso dessas técnicas no Ribeirão Inhaúma, em Iconha/ES. Os capítulos 1 e 2 mostram o uso de diferentes classificadores para mapeamento digital de solos, ao total foram testados 10 modelos, que mostraram-se eficientes, destacando-se a lógica fuzzy, Randon Forest, Ranger, Extreme Gradient Boosting e Weighted Subspace Random Forest, o capítulo 1 ainda comparou esse modelo ao mapeamento convencional, encontrando 24% de concordância entre os mapas. Os capítulos 3 e 4 testaram o uso de diversos modelos para mapeamento de atributos, destacando-se no capitulo 3 o método Randon Forest e no 4 o uso de técnicas espectrais para mapeamento de carbono orgânico, fósforo e argila com boa acurácia. O capítulo 5 analisou o grau de correlação entre informações levantadas pelo sensoriamento remoto através de dados aerogeofísicos e dados obtidos pela análise de fluorescência feita com analisador de raios-X, comparando os valores encontrados com o mapa de uso e ocupação do solo. Foi possível identificar a correlação existente entre o uso e ocupação dos solos com os dados de gamaespectrometria e de temperatura. Em relação aos dados aerogeofísicos de gamaespectrometria foram encontradas altas correlações com altitude e baixa correlação com dados obtidos pela análise de termofluorescência, indicando que dados provenientes da análise de termofluorescência não podem substituir àqueles advindos da gamaespectrometria e vice-versa, para fins de análise de características do terreno. O capítulo 6 propõe um estudo inicial sobre a possibilidade do uso da fluorescência como ferramenta na determinação de óxidos de Fe, Al, Si e Ti, a fim de diminuir o impacto no meio ambiente causado pelos reagentes químicos utilizados no ataque sulfúrico e aumentar a velocidade de análise e preparo da amostra. As análises de fluorescência de raios-X mostraram-se promissoras para determinação dos teores de óxidos de Cambissolos e Latossolos, sendo necessárias análises de uma quantidade maior de amostras utilizando os dois métodos, afim de comprovar a correlação existente entre os teores encontrados.
Palabras clave: mapeamento digital de solos,,
técnicas espectrais
fluorescência de raios-X
digital mapping of soils
spectral techniques
X-ray fluorescence
metadata.dc.subject.cnpq: Recursos Florestais e Engenharia Florestal
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Editorial: Universidade Federal Rural do Rio de Janeiro
metadata.dc.publisher.initials: UFRRJ
metadata.dc.publisher.department: Instituto de Florestas
metadata.dc.publisher.program: Programa de Pós-Graduação em Ciências Ambientais e Florestais
Citación: Campbell, Patrícia Morais da Matta. Mapeamento digital de solos e predição de atributos utilizando Machine Learning e lógica fuzzy na bacia do Ribeirão Inhaúma, Iconha/ES. 2017. [227 f]. Tese( Programa de Pós-Graduação em Ciências Ambientais e Florestais) - Instituto de Florestas, Universidade Federal Rural do Rio de Janeiro, [Seropédica-RJ] .
metadata.dc.rights: Acesso Aberto
URI: http://rima110.im.ufrrj.br:8080/jspui/handle/20.500.14407/15908
Fecha de publicación: 7-dic-2017
Aparece en las colecciones:Doutorado em Ciências Ambientais e Florestais

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
2017 - Patrícia Morais da Matta Campbell.pdfPatrícia Morais da Matta Campbell7.48 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.