Dados do Trabalho

Título

IMPACTO DA RESOLUÇAO ESPACIAL NA PREDIÇAO DO CARBONO ORGANICO DO SOLO EM ESCALA DE PROPRIEDADE AGRICOLA

Resumo

O conhecimento dos atributos do solo é fundamental para um manejo adequado das propriedades rurais. Todavia, são escassos dados em alta resolução espacial, principalmente relacionados ao carbono orgânico do solo (COS). O COS desempenha um papel crucial como indicador da fertilidade, qualidade do solo, bem como indicador de qualidade para o meio ambiente. Nesse contexto, a necessidade de mapeamento em alta resolução se torna essencial, pois áreas menores exigem uma escala de detalhamento maior para representar com maior fidelidade suas características, que podem se perder à medida que a resolução diminui. O objetivo do estudo foi realizar a predição do COS utilizando Random Forest, através do Mapeamento Digital de Solos (MDS), em 4 propriedades agrícolas. As áreas foram denominadas de AE-A, AE-B, AE-C e AE-D, com aproximadamente 30 ha cada, estimando a acurácia do modelo e a incerteza dos mapas preditos em 3 resoluções espaciais (1 m, 5 m e 10 m). A amostragem dos pontos se deu a partir do método cLHS, e as covariáveis utilizadas na predição obtidas por meio do Modelo Digital de Elevação (MDE) adquirido com auxílio de drone. A acurácia dos modelos treinados com covariáveis com resolução espacial de 1 m se mostrou superior em relação às demais resoluções, apresentando um R2 de 0,67 para AE-A, R2 de 0,83 para a AE-B, R2 de 0,88 para a AE-D e R2 de 0,68 para AE-D. Os mapas que apresentaram as menores incertezas foram, no geral, os mapas com resolução espacial de 1 m, com destaque para as AE-C e AE-D, variando entre 0,08 e 0,46 e 0,14 e 0,74 respectivamente. A AE-C também apresentou os menores coeficientes de variação (CV), 17,02% para a resolução espacial de 1 m, 20,19% para resolução de 5 m e 22,83% para a resolução de 10 m. Os resultados destacam a importância da alta resolução espacial no mapeamento do COS em propriedades agrícolas ao fornecer informações mais precisas sobre a sua distribuição, contribuindo para uma gestão mais sustentável do meio ambiente.

Palavras-chave

pedometria, random forest, aeronave remotamente pilotada.