São Cristovão - SE 2020-07-21 MAPEAMENTO DIGITAL DE ATRIBUTOS DO SOLO UTILIZANDO APRENDIZADO DE MÁQUINA
CAMPBELL, P. M. M., et al. Mapeamento digital de atributos do solo usando o
aprendizado de máquina. Rev. Ciênc. Agron. vol.50 no.4 Fortaleza Out./Dec. 2019 Epub Nov 04, 2019. Disponível em: < https://www.scielo.br/scielo.php?pid=S1806- 66902019000400519&script=sci_abstract>. Acessado em: 25 de jul. 2020.
Os autores relatam que, a elaboração de mapeamento dos atributos químicos do
solo em larga escala pode trazer vantagens e ganhos no planejamento do uso e ocupação da terra. Eles informam que existem diferentes técnicas disponíveis para esse fim, que devem ser testadas para diferentes situações da paisagem. Sendo assim, o objetivo do trabalho foi espacializar caracteres químicos do solo, comparando oito métodos para predição. Como variáveis independentes foram usadas 40 atributos morfométricos gerados a partir do modelo digital de elevação, além de dados geofísicos, imagens do satélite Landsat 8 e NDVI. Entretanto, após comparações de técnicas, os pesquisadores perceberam que a floresta aleatória mostrou-se superior aos demais para predizer os atributos químicos do solo em duas profundidades, sendo indicado para predição dos atributos dos solos da região de estudo. A pesquisa do ponto de vista metodológico seguiu os seguintes procedimentos: utilizou-se de covariáveis ambientais e espaciais como preditores e comparando previsões dos métodos Floresta Aleatória, Regressão de Cordilheira, Métodos Quadrados Quadrados e Parciais; regressão de componente principal (PCR); Algoritmo ganancioso adaptativo para a frente e para trás (FOBA); Modelos de Regressão Reforçada Generalizada (GBM) e Reforço de Gradiente com Modelos Lineares em Componentes (GLMBOOST). Segundo Reuter (1998) para realizar mapeamento digital de solos, as PTFs são de grande utilidade em prover informações mais úteis em termos de atributos, qualidade dos solos e funcionalidade do solo. Para construção dos mapas digitais, os pesquisadores utilizaram o softwares ArcGis 10.1,. Porém, conforme estudos de Steiniger e Hay (2009) a utilização de softwares proprietários onera os trabalhos de profissionais que realizam análise de imagens de satélite e impede o acesso ao código fonte do programa. Entretanto, os dados minerados pelo software R v3 poderiam ser processado através do programa Quantum GIS (QGIS). No entanto, a pesquisa foi conduzida com louvor pelos seus autores. Portanto, segundo Vasques (2017) a compreensão da correlação entre os diferentes sensores, melhora a identificação redundâncias e sinergias, bem como entre os sensores e os atributos do solo, onde se espera que os sensores, por meio da observação em lugares de diferentes propriedades do solo, contribuam para a melhoria da eficiência e qualidade do mapeamento de atributos do solo. Os principais resultados esperados incluem modelos de predição e mapas detalhados de atributos do solo, os quais serão divulgados através de artigos científicos.