"A Transversalidade da Ciência, Tecnologia e Inovações para o Planeta"
5 a 7 de outubro de 2021
Trabalho 15951
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Ensino |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Agronomia |
| Setor | Departamento de Solos |
| Bolsa | Outros |
| Conclusão de bolsa | Não |
| Apoio financeiro | Outros |
| Primeiro autor | Marcos Guedes de Lana |
| Orientador | ELPIDIO INACIO FERNANDES FILHO |
| Outros membros | Cássio Marques Moquedace dos Santos, Lucas Carvalho Gomes |
| Título | Distribuição espacial do estoque de carbono orgânico do solo em Rondônia com uso de machine learning |
| Resumo | Mudanças no uso, manejo e ocupação da terra podem afetar os teores de carbono orgânico do solo com consequências negativas nos ecossistemas. Dessa forma, estudos sobre as estimativas do estoque de carbono orgânico do solo (ECOS) são importantes na mitigação dos impactos ambientais negativos. Neste estudo, objetivou-se aplicar técnicas de machine learning para mapear a distribuição espacial do ECOS no estado de Rondônia. Avaliou-se o ECOS, em cinco camadas de profundidade (0-5, 5-15, 15-30, 30-60 e 60-100 cm), a partir de 2.914 perfis de solos, extraídos da base de dados legado da Secretaria de Estado do Desenvolvimento Ambiental. Avaliou-se diferentes algoritmos de machine learning (random forest - RF; regressão adaptativa multivariada – Earth; e support vector machine - SMV) para selecionar o mais adequado e espacializar o ECOS em todo o estado. As amostras foram divididas em dados de treino (75%) e teste (25%). O ECOS dos perfis foi relacionado a variáveis ambientais (temperatura, precipitação, material de origem, relevo, clima e índice de vegetação com diferença normalizada) e construído modelos para estimar o ECOS. Aferiu-se a performance dos modelos por meio das métricas: coeficiente de determinação (R2) e o erro médio absoluto (MAE). O RF obteve a melhor performance em todas as profundidades, resultando os maiores valores de R2 (0-5 cm = 0,24; 5-15 cm = 0,24; 15-30 cm = 0,21; 30-60 cm = 0,17; 60-100 cm = 0,20) e menores de MAE (0-5 cm = 4,09 Mg ha-1; 5-15 cm = 7,12 Mg ha-1; 15-30 cm = 7,59 Mg ha-1; 30-60 cm = 9,64 Mg ha-1; 60-100 cm = 7,78 Mg ha-1). Por outro lado, o Earth obteve a pior performance, apresentando os menores valores de R2 (0-5 cm = 0,10; 5-15 cm = 0,10; 15-30 cm = 0,10; 30-60 cm = 0,08; 60-100 cm = 0,12) e maiores valores de MAE (0-5 cm = 4,45 Mg ha-1; 5-15 cm = 7,79 Mg ha-1; 15-30 cm = 8,17 Mg ha-1; 30-60 cm = 10,30 Mg ha-1; 60-100 cm = 8,27 Mg ha-1). O RF apresentou R2 semelhante para o conjunto de treino e teste para as cinco profundidades, sugerindo equilíbrio entre bias e variância. As variáveis que mais contribuíram na modelagem para o RF foram: classes de solo e precipitação. A classe de solo descreve a estrutura e a textura, onde ambas desempenham papel importante na dinâmica do ECOS, controlando a capacidade de armazenamento dos solos. A precipitação restringe a produção e decomposição de plantas nos ecossistemas o que impacta o aporte de carbono no solo. No total, os solos de Rondônia armazenam aproximadamente 2.530,91 Tg de C nos 100 cm superiores, onde 50% deste ECOS está nos primeiros 30 cm de solo. Rondônia em sua maioria armazena baixas concentrações de carbono devido a sua predominância de solos muito intemperizados o que torna o ECOS na região dependente dinâmica de aporte da vegetação. Isto mostra a importância da floresta em Rondônia para conservação do ECOS e nas últimas décadas a expansão agropecuária tem contribuído para uma acelerada mudança de uso e ocupação da terra impactando diretamente o ECOS. |
| Palavras-chave | carbono orgânico, machine learning, modelagem |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|