Mapeamento digital dos teores de Fe2O3, MnO, Nb e TiO2 em Morro dos Seis Lagos - AM, Brasil.

Conceitos em pedometria e técnicas de Machine Learning são cada vez mais utilizados na execução de levantamentos de solos, empregando procedimentos de mapeamento digital de solos. O objetivo do estudo foi avaliar o desempenho de modelos Multivariate Adaptive Regression Spline (MARS), Radial Support Vector Machine (SVMRadial) e Random Forest (RF), para predição espacial de Fe2O3, MnO, Nb e TiO2, em Morro dos Seis Lagos-AM, Brasil. A metodologia consistiu em: Revisão bibliográfica; Compilação dos dados geoquímicos; Tratamento e análise dos dados (input data); Seleção de covariáveis; Aplicação de algoritmos para predição de elementos; Obtenção dos mapas, análise dos resultados e interpretações. Os resultados demonstraram maior acurácia para a predição de teores de óxido de ferro (Fe2O3), manganês (MnO) e nióbio (Nb) com o modelo RF, já para titânio (TiO2), melhor desempenho foi observado com o modelo SVMRadial. As covariáveis morfométricas foram mais relevantes do que covariáveis derivadas de índices espectrais.

Bibliographic Details

Main Authors:	RODRIGUES, N. B., SILVA, J. C. L. da, SILVA, R. P. M. da, PINHEIRO, H. S. K., CARVALHO JUNIOR, W. de
Other Authors:	NIRIELE BRUNO RODRIGUES, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; JÚLIO CESAR LOPES DA SILVA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO; RENAN PEREIRA MARINATTI DA SILVA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; HELENA SARAIVA KOENOW PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; WALDIR DE CARVALHO JUNIOR, CNPS.
Format:	Artigo de periódico biblioteca
Language:	por
Published:	2024-05-28
Subjects:	Pedometria, Machine-Learning, Áreas de Difícil Acesso, Pedometrics, Machine Learning, Poorly-Accessible Areas,
Online Access:	http://www.alice.cnptia.embrapa.br/alice/handle/doc/1164568 https://doi.org/10.36403/espacoaberto.2024.60234
Tags:	Add Tag No Tags, Be the first to tag this record!