Use este identificador para citar ou linkar para este item:
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 |
Título(s) alternativo(s): | ... |
Autor(es): | 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 |
Resumo: | 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. |
Palavras-chave: | 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 |
Editor: | 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 |
Citação: | 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 |
Data do documento: | 7-Dez-2017 |
Aparece nas coleções: | 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!
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2017 - Patrícia Morais da Matta Campbell.pdf | Patrícia Morais da Matta Campbell | 7.48 MB | Adobe PDF | Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.