Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/38754
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2020_RaúlRobertoPoppiel.pdf8,9 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorLacerda, Marilusa Pinto Coelho-
dc.contributor.authorPoppiel, Raúl Roberto-
dc.date.accessioned2020-07-02T13:53:26Z-
dc.date.available2020-07-02T13:53:26Z-
dc.date.submitted2020-03-03-
dc.identifier.citationPOPPIEL, Raúl Roberto. Pedometric mapping of key topsoil and subsoil attributes using proximal and remote sensing in midwest Brazil. 2020. 114 f. il. Tese (Doutorado em Comunicação)—Universidade de Brasília, Brasília, 2020.pt_BR
dc.identifier.urihttps://repositorio.unb.br/handle/10482/38754-
dc.descriptionTese (doutorado)—Universidade de Brasília, Faculdade de Comunicação, Programa de Pós-graduação em Comunicação, 2020.pt_BR
dc.description.abstractThe Midwest region in Brazil has the largest and most recent agricultural frontier in the country, where there is no currently detailed soil information to support the land use intensification. Producing large-extent digital soil maps is resource intensive. We aimed to use pedometric techniques coupled with proximal and remote sensing data to produce digital maps with 30 m resolution of key soil attributes at topsoil and subsoil for 851,000 km2 of Midwest Brazil. For mapping key soil attributes we used multi-resolution covariates based on Earth observations: we produced composites of bare topsoil reflectance and potential natural vegetation reflectance using Landsat time series, which were coupled with terrain attributes, geologic and climate variables to capture short and long-range soil spatial patterns. We acquired soil data from observations at 0−20, 20−60 and 60−100 cm (rooting) depth intervals containing soil attributes, which are commonly used (as key criteria) for soil interpretations: clay, silt and sand, organic matter, pH, aluminum and base saturation. We also determined both the soil color in Munsell notation and the relative abundance of minerals in soil (hematite, goethite, kaolinite, gibbsite and 2:1 clay minerals) from laboratorial reflectance spectra (350−2500 nm). We fitted and validated optimal models for the spatial patterns of each soil attribute at topsoil and subsoil using Random Forest regression and 10-fold cross validation in R software. We identified the covariates that were most relevant to describe the soil spatial patterns in the study area. We mapped the spatial distribution of soil attributes at 30 m resolution for the 0−20, 20−60 and 60−100 cm depth intervals using the optimized models and Google Earth Engine. We made publicly available for download (GeoTIFF) at 250 m resolution the predicted soil maps of clay, silt and sand of the study area. We concluded that physical and chemical soil attributes, as well as soil color and mineralogy derived from spectra at multiple depth intervals, can be mapped using Earth observations data and machine learning methods with good performance.pt_BR
dc.description.sponsorshipFAPDF, FAPESPpt_BR
dc.language.isoInglêspt_BR
dc.rightsAcesso Abertopt_BR
dc.titlePedometric mapping of key topsoil and subsoil attributes using proximal and remote sensing in midwest Brazilpt_BR
dc.typeTesept_BR
dc.subject.keywordCiência do solopt_BR
dc.subject.keywordMineração de dadospt_BR
dc.subject.keywordAprendizado de máquinapt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.pt_BR
dc.contributor.advisorcoDemattê, José Alexandre Melo-
dc.description.abstract4A região Centro-Oeste do Brasil tem a maior e mais recente fronteira agrícola do país, onde atualmente não há informações detalhadas sobre o solo para apoiar a intensificação do uso do solo. A produção de mapas de solo digitais de grandes extensões é intensiva em recursos. O principal objetivo desta pesquisa foi usar técnicas pedométricas acopladas a dados de sensoriamento proximal e remoto para produzir mapas digitais com resolução de 30 m dos principais atributos do solo em superfície e subsuperfície para 850.000 km2 do Centro-Oeste do Brasil. Para mapear os principais atributos do solo, utilizamos covariáveis multi-resolução baseados em dados de observações da Terra: produzimos imagens compostas de refletância do solo exposto e de refletância da vegetação natural potencial usando séries temporais Landsat, que foram acoplados com atributos do terreno, variáveis geológicas e climáticas para capturar padrões espaciais do solo de curto e longo alcance. Adquirimos dados do solo a partir de observações em intervalos de profundidade (enraizamento) de 0–20, 20–60 e 60–100 cm, contendo atributos do solo que são comumente usados (como critério chave) para interpretações do solo: argila, silte e areia, matéria orgânica, pH, saturação de bases e de alumínio. Também determinamos a cor do solo em notação de Munsell e a abundância relativa de minerais no solo (hematita, goetita, caulinita, gibbsita e minerais de argila 2:1) a partir de espectros de laboratório (350–2500 nm). Foram ajustados e validados modelos ótimos para os padrões espaciais de cada atributo do solo em superfície e subsuperfície, usando regressão Random Forest e validação cruzada no software R. Identificamos as covariáveis mais relevantes que descreveram os padrões espaciais do solo na área de estudo. Mapeamos a distribuição espacial dos atributos do solo com resolução de 30 m para os intervalos de profundidade de 0-20, 20-60 e 60-100 cm usando os modelos otimizados e a plataforma Google Earth Engine. Disponibilizamos publicamente para consulta (GeoTIFF), com resolução de 250 m, os mapas de solo preditos de argila, silte e areia da área de estudo. Concluímos que atributos físicos e químicos do solo, assim como também a cor e a mineralogia do solo derivados de espectros de refletância, obtidos em múltiplos intervalos de profundidade, podem ser mapeados usando dados de observação da Terra e métodos de aprendizagem de máquinas com bom desempenho.pt_BR
dc.description.unidadeFaculdade de Comunicação (FAC)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Comunicaçãopt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.