Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/59266
Registro completo de metadados
Campo DCValorIdioma
dc.creatorPierangeli, Luiza Maria Pereira-
dc.date.accessioned2024-08-23T14:24:14Z-
dc.date.available2024-08-23-
dc.date.available2024-08-23T14:24:14Z-
dc.date.issued2024-08-23-
dc.date.submitted2024-03-27-
dc.identifier.citationPIERANGELI, Luiza Maria Pereira. Green tech proximal sensor analyses: advances for soil, parent material and geological exploration. 2024. 118p. Tese (Doutorado em Ciência do Solo) - Universidade Federal de Lavras, Lavras, 2024.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/59266-
dc.description.abstractSoil parent material (PM) is proving to be a critical factor in understanding soil variability, with the complexity and inaccessibility of PM in deep soils posing a challenge for detailed assessments. Proximal sensor approaches, including portable X-ray fluorescence (pXRF) and magnetic susceptibility (MS), offer practical solutions for predicting soil PM. The global search for sustainable energy alternatives has increased significantly, with lithium (Li) emerging as a key element for rechargeable Li-ion batteries. The demand for Li requires the development of cost-effective and rapid exploration methods to improve the identification of new deposits, with lithium-cesium-tantalum (LCT) pegmatites as primary sources of Li. This dissertation is divided into four chapters: (I) a pilot study focused on the generation of spatial PM predictive models for three different rock types (charnockite, mudstone, and alluvial sediments) at the Palmital Experimental Farm (Brazil), using Random Forest (RF) algorithm combined with pXRF and MS data from A and B horizons; (II) the evaluation of the effectiveness of pXRF data and the RF algorithm in predicting Li content in soil samples and Li-rich soil PM using Li pathfinder elements; (III) the comparison pXRF vs. total digestion Inductively Coupled Plasma Optical Emission Spectroscopy (ICP-OES) for soils and rocks analysis. The findings in this dissertation propose alternative, cost-effective methods for assessing soil PM spatial variability. Paper (I) had a strong validation for PM prediction results (Kappa coefficient = 0.85 and overall accuracy = 0.93). Meanwhile, PM prediction model in paper (II) achieved a Kappa coefficient of 0.77 and an overall accuracy of 0.85. The Li prediction model tested in paper (II) achieved a coefficient of determination (R2) of 0.86, root mean square error (RMSE) of 68.5 mg×kg-1, and residual prediction deviation (RPD) of 1.78. Paper (III) evaluated the performance and comparability of two pXRF systems, Alpha and Beta. Both pXRFs systems produced similar results compared to reported concentrations of certified reference materials between systems and methods, showing tendencies of overestimate or underestimate elements. They could provide an alternative, pXRF-based method for more sustainable prospecting methods for PM and Li content determination and exploration. Furthermore, they help in complex and careful decisions and clarify some doubts regarding the use and comparability of results obtained from the same sample with different pXRF models.pt_BR
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.rightsAttribution-ShareAlike 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-sa/4.0/*
dc.subjectGeoquímica do solopt_BR
dc.subjectSensores proximaispt_BR
dc.subjectAprendizado de máquinaspt_BR
dc.subjectMaterial de origem do solopt_BR
dc.subjectExploração geológicapt_BR
dc.subjectpXRF (Espectroscopia de fluorescência de raios X portátil)pt_BR
dc.subjectSuscetibilidade magnéticapt_BR
dc.subjectPegmatitospt_BR
dc.subjectModelagem espaciapt_BR
dc.subjectSoil geochemistrypt_BR
dc.subjectProximal sensorspt_BR
dc.subjectMachine learningpt_BR
dc.subjectSoil parent materialpt_BR
dc.subjectGeological explorationpt_BR
dc.subjectpXRF (Portable X-ray fluorescence spectrometry)pt_BR
dc.subjectMagnetic susceptibilitypt_BR
dc.subjectPegmatitespt_BR
dc.subjectSpatial modelingpt_BR
dc.subjectPrecision agriculturept_BR
dc.titleGreen tech proximal sensor analyses: advances for soil, parent material and geological explorationpt_BR
dc.title.alternativeAnálise “verde” com sensores próximos: avanços exploração de solo, material de origem e geológicapt_BR
dc.typedissertaçãopt_BR
dc.publisher.programPrograma de Pós- Graduação em Ciência do Solopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Silva, Sérgio Henrique Godinho-
dc.contributor.referee1Menezes , Michele Duarte de-
dc.contributor.referee2Andrade, Renata-
dc.contributor.referee3Serafim, Milson Evaldo-
dc.contributor.referee4Couto, Eduardo Guimarães-
dc.description.resumoO material de origem do solo surge como um fator crítico na compreensão da variabilidade do solo, com desafios em avaliações detalhadas devido à complexidade e inacessibilidade ao material de origem em solos profundos. Abordagens de sensores proximais, incluindo a espectroscopia de fluorescência de raios X portátil (pXRF) e a suscetibilidade magnética (SM), oferecem soluções práticas para predizer material de origem. A busca global por alternativas energéticas sustentáveis aumentou paralelamente, com o lítio (Li) emergindo como um elemento fundamental integrante das baterias recarregáveis de íons de Li. A procura de Li exige o desenvolvimento de métodos de exploração econômicos e rápidos para melhorar a identificação de novos depósitos, com pegmatitos de lítio-césio-tântalo (LCT) como fontes primárias de Li. Esta tese está dividida em quatro artigos, englobando: (I) um estudo piloto centrado na criação de modelos preditivos espaciais de material de origem para três tipos distintos de rochas (charnockito, argilito e sedimentos aluviais) em escala detalhada, usando algoritmo randomforest (RF) combinado com pXRF e SM; (II) avaliação da eficácia dos pXRF e do algoritmo RF na prediçãoda concentração de Li em amostras de soloe prediçãodo PM de solo rico em Li, utilizando elementos pathfinder de Li; (III) (IV) avaliação do desempenho e a comparabilidade de dois sistemas pXRF, Alfa e Beta. Os resultados desta tese propõem métodos alternativos e econômicos para obtenção da variabilidade espacial do material de origem do solo. O artigo I apresentouacurácianapredição de material de origem (coeficiente Kappa = 0,85 e acurácia geral = 0,93), já o modelo de predição de material de origem do artigo (II) alcançou coeficiente Kappa de 0,77 e uma acuráciaglobal de 0,85. O modelo de predição de Li artigo II) apresentou coeficiente de determinação (R2) de 0,86, erro quadrático médio (RMSE) de 68,5 mgkg-1 e desvio do resíduo de predição (RPD) de 1,78. O artigo (III) mostrou que ambos os pXRFs alcançaram resultados semelhantes em comparação com as concentrações elementares em materiais de referência certificados, com tendências de superestimaçãoe subestimaçãoda concentração de elementos. Os sensores próximos aliado às técnicas de aprendizado de máquinasconsistemem método alternativo para prospecção mais sustentáveis de material de origem do solo e exploração de conteúdo de Li. Além disso, auxiliam em decisões complexas e criteriosas e esclarece algumas dúvidas quanto à utilização e comparabilidade de resultados obtidos de uma mesma amostra com diferentes equipamentos de pXRF.pt_BR
dc.publisher.departmentDepartamento de Ciência do Solopt_BR
dc.subject.cnpqCiências agráriaspt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9373752281067260pt_BR
Aparece nas coleções:Ciência do Solo - Doutorado (Teses)



Este item está licenciada sob uma Licença Creative Commons Creative Commons