Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://bdtd.unoeste.br:8080/jspui/handle/jspui/1567
Tipo do documento: Tese
Título: Espectroscopia Vis-NIR-SWIR, MIR e fluorescência de raio-X na determinação de nitrogênio, carbono orgânico total e frações húmicas em Latossolo
Título(s) alternativo(s): Vis-NIR-SWIR, MIR and X-ray fluorescence spectroscopy in the determination of nitrogen, total organic carbon and humic fraction in Oxisol
Autor: Lima, Bruna Coelho de 
Primeiro orientador: Tiritan, Carlos Sérgio
Primeiro coorientador: Demattê, José Alexandre Melo
Primeiro membro da banca: Bellinaso, Henrique
Segundo membro da banca: Grassi Filho, Hélio
Terceiro membro da banca: Creste, José Eduardo
Quarto membro da banca: Alves, Marcelo Rodrigo
Resumo: O crescimento significativo na demanda futura por alimentos, evidencia a importância do aumento da produtividade nas safras agrícolas e o planejamento sustentável para preservar o meio ambiente e produzir de forma a mitigar as variações ambientais. A vitalidade de um solo em um sistema agrícola depende das transformações do carbono, da ciclagem de nutrientes e de uma boa estrutura. O sistema de consórcio entre culturas apresenta destaque como uma prática sustentável para a produção agrícola, ofertando a diversificação de culturas e a reestruturação da fertilidade do solo. Atualmente o conceito de saúde do solo preza pela redução na aplicação de produtos químicos, conservação da biodiversidade microbiana, manutenção da matéria orgânica, entre outros princípios. Dessa forma, com o avanço da tecnologia e com a disseminação do conhecimento prático e preciso na agricultura, a avaliação da fertilidade dos solos tem se adaptado a novas ferramentas, capazes de complementar ou até mesmo substituir os métodos de análises já existentes voltadas à predição de nutrientes no solo. Em virtude de sua elevada eficiência, o sensoriamento hiperespectral em conjunto com o aprendizado de máquina, conseguem avaliar as propriedades do solo, como matéria orgânica, argila, pH, CTC e os nutrientes presentes no solo. As técnicas espectroscópicas que abrangem o comprimento de onda Vis-NIR-SWIR, MIR e Fluorescência de raio-X podem proporcionar rapidamente estimativas sobre os teores de nutrientes do solo, à um custo reduzido. O objetivo geral desta pesquisa agronômica foi estudar métodos de calibração e de validação de modelos para a quantificação de nitrogênio, carbono orgânico total e frações húmicas em Latossolo de textura média arenosa via espectroscopia. Capítulo 1: O solo utilizado foi coletado em uma área experimental localizada na fazenda experimental da Universidade do Oeste Paulista (UNOESTE) coordenadas geográficas, latitude sul 22°17’13’’ e longitude oeste 51°40’34’’. Em seguida o experimento foi conduzido em casa de vegetação climatizada na Universidade. O delineamento experimental foi inteiramente casualizado com quatro doses do composto nitrato de amônio (0, 100, 200 e 400 kg ha-1) e duas profundidades de coleta 0-20 e 80-100cm, contendo dez repetições. Foram realizadas análises espectrais, com as técnicas espectroscópicas Vis-NIR-SWIR, MIR e XRF, e a aplicação de algoritmos de aprendizado de máquina Cubist, PLSR, Random Forest e Support Vector Machine para o desenvolvimento dos modelos preditivos. Capítulo 2: O solo utilizado foi coletado em uma área experimental localizada na fazenda experimental da Universidade do Oeste Paulista (UNOESTE). O experimento possui delineamento em blocos casualizados com quatro tratamentos sendo, 1) Mombaça (Megathyrsus maximus cv. Mombaça) com adubação nitrogenada, 2) Mombaça consorciada com Feijão Guandu (Cajanus cajan), 3) Mombaça consorciada com Macrotyloma axillare cv. Java, 4) Mombaça sem adubação nitrogenada. Foram validados os modelos que apresentaram o melhor desempenho preditivo.
Abstract: The significant growth in future demand for food highlights the importance of increasing productivity in agricultural crops and sustainable planning to preserve the environment and produce in a way that mitigates environmental variations. The vitality of a soil in an agricultural system depends on carbon transformations, nutrient cycling and good structure. The crop intercropping system stands out as a sustainable practice for agricultural production, offering crop diversification and restructuring soil fertility. Currently, the concept of soil health values the reduction in the application of chemical products, conservation of microbial biodiversity, maintenance of organic matter, among other principles. Thus, with the advancement of technology and the dissemination of practical and precise knowledge in agriculture, the assessment of soil fertility has adapted to new tools, capable of complementing or even replacing existing analysis methods aimed at predicting nutrients in the soil. Due to its high efficiency, hyperspectral sensing in conjunction with machine learning can evaluate soil properties, such as organic matter, clay, pH, CEC and nutrients present in the soil. Spectroscopic techniques covering the Vis-NIR-SWIR, MIR and X-ray Fluorescence wavelengths can quickly provide estimates of soil nutrient content at a reduced cost. The general objective of this agronomic research was to study calibration and model validation methods for quantifying nitrogen, total organic carbon and humic fraction in a medium sandy Oxisol via spectroscopy. Chapter 1: The soil used was collected in an experimental area located on the experimental farm of the Universidade do Oeste Paulista (UNOESTE) geographic coordinates, South latitude 22°17’13’’ and West longitude 51°40’34’’. The experiment was then conducted in an air-conditioned greenhouse at the University. The experimental design was completely randomized with four doses of the ammonium nitrate compound (0, 100, 200 and 400 kg ha-1) and two collection depths 0-20 and 80-100cm, containing ten replications. Spectral analyzes were carried out using Vis-NIR-SWIR, MIR and XRF spectroscopic techniques, and the application of machine learning algorithms Cubist, PLSR, Random Forest and Support Vector Machine for the development of predictive models. Chapter 2: The soil used was collected in an experimental area located on the experimental farm of the Universidade do Oeste Paulista (UNOESTE). The experiment has a randomized block design with four treatments: 1) Mombasa (Megathyrsus maximus cv. Mombasa) with nitrogen fertilization, 2) Mombasa intercropped with Guandu Beans (Cajanus cajan), 3) Mombasa intercropped with Macrotyloma axillare cv. Java, 4) Mombasa without nitrogen fertilizer. The models that presented the best predictive performance were validated.
Palavras-chave: Geotecnologias; aprendizado de máquina; hiperespectral; solo arenoso; saúde do solo.
Geotechnologies; machine learning; hyperspectral; sandy soil; soil health.
Área(s) do CNPq: CIENCIAS AGRARIAS::AGRONOMIA
Idioma: por
País: Brasil
Instituição: Universidade do Oeste Paulista
Sigla da instituição: UNOESTE
Departamento: Doutorado em Agronomia
Programa: Doutorado em Agronomia
Citação: Lima, Bruna Coelho de. Espectroscopia Vis-NIR-SWIR, MIR e fluorescência de raio-X na determinação de nitrogênio, carbono orgânico total e frações húmicas em Latossolo. 2023. 147f. Tese (Doutorado em Agronomia) - Universidade do Oeste Paulista, Presidente Prudente.
Tipo de acesso: Acesso Aberto
URI: http://bdtd.unoeste.br:8080/jspui/handle/jspui/1567
Data de defesa: 20-Dez-2023
Aparece nas coleções:Doutorado em Agronomia

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Bruna Coelho de Lima.pdfBruna Coelho de Lima4 MBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.