Dados do Trabalho

Título

TEORES DE COBRE E ZINCO EM VINHEDOS ESTIMADOS POR VIS-NIR-SWIR

Resumo

A aplicação de fungicidas a base de Cobre (Cu) e Zinco (Zn) realizadas em vinhedos incrementam os teores desses elementos no solo podendo causar contaminação e prejudicar o crescimento de videiras jovens. Nesse estudo, testou-se a aplicação da espectroscopia de reflectância no visível e infravermelho próximo e de ondas curtas (350-2500 nm – Vis-NIR-SWIR), combinada a métodos de machine learning (ML), para a predição de Cu e Zn em solos de vinhedos no sul do Brasil. O objetivo foi avaliar o efeito de diferentes pré-processamentos espectrais e métodos de ML na acurácia de modelos de predição dos teores de Cu e Zn. Foi utilizada uma base de dados de solos subtropicais de vinhedos (n = 1482). Os teores de Cu e Zn foram extraídos por Mehlich-1. Os modelos de predição foram calibrados (70% dados) com dados espectrais sem pré-processamentos e submetidos a sete técnicas de processamento espectral. Na calibração dos modelos foram testados quatro  métodos de ML: Partial Least Square; Cubist; Support Vector Machine e Random Forest. A melhor combinação de pré-processamento espectral e métodos de ML foi selecionado a partir dos resultados de validação dos modelos (30% dados) considerando o coeficiente de determinação (R²), a raiz quadrada média do erro de predição (RMSE), bias, erro médio absoluto (MAE) e proporção de desempenho no intervalo interquartil (RPIQ). A combinação de dados espectrais Vis-NIR-SWIR e o método de ML RF calibrados com espectros processados com 1ª derivada Savitzky-Golay (SGD) resultam em modelos de predição de Cu e Zn com alta acurácia na validação (Cu – R2 = 0,94; RMSE = 12,01 mg dm-3; bias = 0,08 mg dm-3; MAE = 11,90 mg dm-3 e RPIQ = 3,06; Zn – R2 = 0,95; RMSE = 1,59 mg dm-3; bias = -0,02 mg dm-3; MAE = 1,58 mg dm-3; RPIQ = 9,13). Os resultados obtidos mostram que a calibração de modelos de predição para prever Cu e Zn é influenciada pela combinação de método de ML e técnicas de pré-processamento.

Palavras-chave

Pedometria, Pedologia, Sensoriamento remoto proximal