MODELOS ESPECTRAIS DE PREDIÇÃO DO TEOR DE CARBONO ORGÂNICO DO SOLO NO MAPEAMENTO DIGITAL DE SOLOS
O solo é o maior reservatório de
carbono orgânico do planeta terra, atuando
como fonte ou dreno de CO2 da atmosfera
dependendo do manejo. Além disso, o carbono
orgânico do solo (COS) é um dos principais
indicadores de qualidade do solo. Desse
modo, conhecer a distribuição de COS na
paisagem é fundamental. Este trabalho teve
como objetivo avaliar a eficiência de diferentes
métodos multivariados para predição espacial
de COS em escala de propriedade rural. Foram
coletados 313 pontos nas profundidades de 0-5,
5-15 e 15-30 cm em uma propriedade agrícola
no Planalto do Rio Grande do Sul. A predição
espacial foi realizada pelos métodos: Regressão
Linear Múltipla (RLM), Random Forest (RF) e
Boosted Regression Trees (BRT) utilizando
27 covariáveis ambientais representando a
topografia, cobertura do solo e granulometria.
Os melhores resultados foram alcançados pelo
modelo BRT com R2 de 0,81 (0-5 cm), 0,74 (5-
15 cm) e 0,73 (15-30 cm), os demais modelos
demonstraram baixa acurácia para descrever a
variação de COS na paisagem, com resultados
entre R2 =0,17 (RLM 0-5 cm) e 0,25 (RF 5-15
cm). O modelo BRT apresentou acurácia
satisfatória para predição de COS.
MODELOS ESPECTRAIS DE PREDIÇÃO DO TEOR DE CARBONO ORGÂNICO DO SOLO NO MAPEAMENTO DIGITAL DE SOLOS
-
DOI: 10.22533/at.ed.3481923092
-
Palavras-chave: modelagem espacial; Pedometria; Pedologia quantitativa.
-
Keywords: spatial modeling; Pedometry; Quantitative Pedology.
-
Abstract:
The soil is the largest reservoir of organic carbon on planet earth, acting
as a source or drain of CO2 from the atmosphere depending on the management.
In addition, soil organic carbon (SOC) is one of the main indicators of soil quality.
In this way, it becomes important to know the distribution of SOC in the landscape.
This work aimed to evaluate the efficiency of different multivariate methods for SOC
space prediction in rural property scale. A total of 313 points were collected at depths
of 0-5, 5-15 and 15-30 cm at an agricultural estate in Plateau the Rio Grande do Sul.
Spatial prediction was performed using the Multiple Linear Regression (RLM), Random
Forest (RF) and Boosted Regression Trees (BRT) using 27 environmental covariates
representing topography, soil cover and particle-size distribution. The best results were
obtained by the BRT model with R2 of 0.81 (0-5 cm), 0.74 (5-15 cm) and 0.73 (15-30
cm), the other models showed low accuracy to describe the variation of COS in the
landscape, ranging from R2 = 0.17 (RLM 0-5 cm) to 0.25 (RF 5-15 cm). The BRT model
presented satisfactory accuracy for predicting SOC.
-
Número de páginas: 15
- Jean Michel Moura Bueno
- Ricardo Simão Diniz Dalmolin
- Taciara Zborowski Horst-Heinen
- Nicolas Augusto Rosin
- Daniely Vaz da Silva Sangoi
- Luciano Campos Cancian
- Diego José Gris
- João Pedro Moro Flores
- Jean Michel Moura-Bueno
