Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/41402
metadata.teses.dc.title: Prediction of soil attributes via pXRF spectrometry, magnetic susceptibility, and terrain attributes in a highly heterogeneous tropical area
metadata.teses.dc.title.alternative: Predição de atributos do solo através da espectrometria pXRF, susceptibilidade magnética e atributos terrenos em uma área tropical altamente heterogênica
metadata.teses.dc.creator: Pierangeli, Luiza Maria Pereira
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/9373752281067260
metadata.teses.dc.contributor.advisor1: Silva, Sérgio Henrique Godinho
metadata.teses.dc.contributor.referee1: Silva, Sérgio Henrique Godinho
metadata.teses.dc.contributor.referee2: Curi, Nilton
metadata.teses.dc.contributor.referee3: Barbosa, Julierme Zimmer
metadata.teses.dc.subject: Micronutrients
Granulometric fractions
Random forest
Proximal sensing
Pedometric
Portable X-ray fluorescence spectrometer (pXRF)
Micronutrientes
Frações granulométricas
Sensores próximos
Pedometria
Espectrômetro de florescência de raios-X portátil
metadata.teses.dc.date.issued: 10-Jun-2020
metadata.teses.dc.description.sponsorship: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
metadata.teses.dc.identifier.citation: PIERANGELI, L. M. P. Prediction of soil attributes via pxrf spectrometry, magnetic susceptibility, and terrain attributes in a highly heterogeneous tropical area. 2020. 61 p. Dissertação (Mestrado em Ciência do Solo)–Universidade Federal de Lavras, Lavras, 2020.
metadata.teses.dc.description.resumo: Modelos digitais de elevação (MDE) e seus derivativos, atributos de terreno (AT), são comumente utilizados no mapeamento de solos. O uso de sensores proximais, como espectrômetro de florescência de raios-X portátil (pXRF) e suscetibilímetro, que determina a susceptibilidade magnética (SM), fornece informações adicionais que têm melhorado os resultados obtidos utilizando apenas ATs. Esta dissertação é composta por dois capítulos, cujo estudo foi realizado na Fazenda experimental Palmital, pertencente a Universidade Federal de Lavras (UFLA). Os capítulos estão relacionados ao uso de sensores proximais em conjunto a AT na predição de atributos físicos e químicos do solo. O primeiro capítulo contempla o uso de dois sensores proximais, pXRF e SM, em conjunto com AT para a predição de argila, silte e areia através do algoritmo random forest. O segundo capítulo aborda o uso do pXRF e SM em conjunto com AT na predição dos teores disponíveis de B, Cu, Fe, Mn e Zn. Os mapas foram gerados para a fazenda Palmital e validados para cada atributo predito, comparando-se a eficiência de cada modelo. Para a predição de argila, silte e areia todos os modelos utilizaram as informações adquiridas pelo pXRF nos modelos finais. Porém, para a predição de B e Zn, apenas as informações de AT foram suficientes para alcançar valores de R 2 satisfatórios. Argila e areia apresentaram moderada acurácia enquanto silte apresentou baixa acurácia. Já para a predição dos atributos químicos, Cu, Fe, Mn e Zn apresentaram entre alta a moderada acurácia, entretanto B alcançou baixa acurácia. Isso mostra que o pXRF é uma ferramenta poderosa para auxiliar na predição acurada de alguns atributos do solo de forma pontual e espacial, contribuindo para o mapeamento digital de solos.
metadata.teses.dc.description.abstract: Digital elevation models (DEM) and their derived variables, terrain attributes (TA), are commonly used in soil mapping. The use of proximal sensors, such as portable X-ray fluorescence spectrometer (pXRF) and susceptibilimeter, which determines magnetic susceptibility (MS), provides additional information that has improved the results obtained using only TAs. This work is composed of two chapters, whose studies were conducted at the Palmital Experimental Farm, belonging to the Federal University of Lavras (UFLA). The chapters are related to the use of proximal sensors in conjunction with TA for the prediction of physical and chemical attributes of soils. The first chapter contemplates the use of two proximal sensors, pXRF and MS, together with TA for the prediction of clay, silt, and sand contents through the random forest algorithm. The second chapter discusses the use of pXRF and MS in conjunction with TA in predicting available contents of B, Cu, Fe, Mn, and Zn. The maps were generated for the Palmital farm and validated for each predicted attribute, comparing the efficiency of each model. For the prediction of clay, silt, and sand, all models used the information acquired by pXRF in the final models. On the other hand, for the prediction of B and Zn, only the TA information was sufficient to achieve satisfactory R2 values. Clay and sand showed moderate accuracy, while silt showed low accuracy. For the prediction of chemical attributes, Cu, Fe, Mn, and Zn presented high to moderate accuracy. However, B reached low accuracy. This shows that pXRF is a powerful tool to assist in the accurate prediction of some soil attributes in a punctual and spatial way, contributing to the digital soil mapping.
metadata.teses.dc.description: Arquivo retido, a pedido do(a) autor(a) até junho de 2021.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/41402
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: eng
Appears in Collections:DCS - Ciência do Solo - Mestrado (Dissertações)

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.