Título: ESPECTRÔMETRO PORTÁTIL DE FLUORESCÊNCIA DE RAIOS-X (pXRF) NA PREDIÇÃO E MAPEAMENTO DIGITAL DE ATRIBUTOS DO SOLO
Título alternativo: PORTABLE X-RAY FLUORESCENCE SPECTROMETER (pXRF) FOR THE PREDICTION AND DIGITAL MAPPING OF SOIL PROPERTIES
Autoria de: Matheus Sterzo Nilsson
Orientação de: Sergio Henrique Godinho Silva
Coorientação de: Michele Duarte de Menezes
Presidente da banca: Sérgio Henrique Godinho Silva
Primeiro membro da banca: Michele Duarte de Menezes
Segundo membro da banca: Renata Andrade
Terceiro membro da banca: Marcelo Henrique Procópio Pelegrino
Palavras-chaves: variabilidade espacial, sensor próximo, predição espacial, atributos do solo, mapeamento digital.
Data da defesa: 21/05/2019
Semestre letivo da defesa: 2019-1
Data da versão final: 19/06/2019
Data da publicação: 19/06/2019
Referência: Nilsson, M. S. ESPECTRÔMETRO PORTÁTIL DE FLUORESCÊNCIA DE RAIOS-X (pXRF) NA PREDIÇÃO E MAPEAMENTO DIGITAL DE ATRIBUTOS DO SOLO . 2019. 40 p. Trabalho de Conclusão de Curso (Graduação em Agronomia Bacharelado)-Universidade Federal de Lavras, Lavras, 2019.
Resumo: A determinação dos atributos do solo são importantes indicadores das características e qualidade do solo. A acurada mensuração dos atributos do solo permite uma correta classificação de classes do solo, além de auxiliar no manejo agronômico ao fornecer subsídios para recomendações de corretivos e fertilizantes. Nesse sentido, o equipamento portátil de fluorescência de raios-X (pXRF) surge como ferramenta apta a proporcionar inferências sobre os elementos bem como suas quantidades presentes nas amostras do solo, com baixo custo e sem destruição das amostras. Contudo, os estudos utilizando esta ferramenta para esta finalidade ainda são escassos no Brasil. Desta forma, são necessários estudos sobre o melhor modo de utilização do equipamento bem como a construção de modelos preditivos cada vez mais confiáveis. Portanto, o presente trabalho teve como objetivo realizar a predição espacial de pH, fósforo remanescente (P-rem), matéria orgânica (MO) e soma de bases (SB) a partir dos resultados do pXRF, através de regressão linear múltipla Stepwise (SMLR) e Random Forest (RF). E produzir mapas a partir desses atributos. Foram coletadas 90 amostras simples do horizonte A no campus da Universidade Federal de Lavras MG, das quais foram obtidos resultados analíticos de pH, P-rem, MO e SB como também a leitura dos teores dos elementos químicos pelo pXRF. Com base nos teores determinados pelo pXRF, resultados de laboratório foram preditos a partir do ajuste dos modelos de SMRL e RF. O método que apresentou resultado mais acurado, para cada atributo, foi escolhido para a confecção do mapa. As equações de validação da SMLR apresentaram maior coeficiente de correlação (R²) para os atributos de SB e P-Rem, sendo estes de 0,41, 0,15 respectivamente e menores para MO 0,13 e pH 0,07. Para o RF os resultados os melhores resultados de R² foram para P-Rem 0,66 e SB 0,55 e menores para MO e pH o quais foram de 0,47 e 0,26 respectivamente. A SB e pH tiveram a variável CaO como sendo a de maior importância. Os atributos que tiveram maior R² na predição foram os que resultaram em mapas de maior R², sendo eles P-rem com 0,66 e SB com 0,54, já os menores valores de validação foram para matéria orgânica, com 0,47 seguida de pH, com 0,28. O RF apresentou melhores predições no que se diz respeito à construção dos modelos preditivos. Os dados do pXRF em conjunto com o RF pode ser utilizado para auxiliar na determinação dos atributos do solo, possibilitando, portanto, na confecção de mapas digitais.
Abstract: The attributes of soil are important indicatives of its quality. Their accurate measurement supports correct classifications of portions of land and may support the agricultural management, since it provides information for the recommendations of concealers and fertilizers. In this scenario, the portable equipment of X-ray fluorescence (pXRF) arises as a low cost and non-destructive tool able to provide inferences about the elements in the sample and their respective quantities. However, studies using this tool are still scarce in Brazil, so that investigations are necessary to elucidate the best use of such equipment as well as to build increasingly trustful predictive models. The present work aimed to predict pH, remaining phosphorous (P-rem), organic matter (OM) and sum of basis (SB) based on pXRF results by means of stepwise multiple linear regression (SMLR) and Random Forest (RF), as well as to produce maps of such attributes. Overall, 90 simple samples were collected from horizon A in the Federal University of Lavras MG, from which analytical results of pH, P-rem, OM, SB and pXRF readings were obtained. Results in the laboratory were predicted from adjustments of SMLR and RF models based on the contents determined by pXRF. The method with most accurate result for each attribute was chosen to produce the map. The SMLR validation equations showed a higher correlation coefficient (R²) for the attributes of SB and P-Rem, which were 0.41, 0.15 respectively and lower for MO 0.13 and pH 0.07. For RF the best R² results were for P-Rem 0.66 and SB 0.55 and lower for MO and pH which were 0.47 and 0.26 respectively. For SB, CaO was the most important variable. Attributes with the greatest R² in the prediction resulted in maps with the greatest R², namely P-rem (0.66) and SB (0.54). On the other hand, the lowest validation values were recorded for MO (0.47) and pH (0.28). RF presented the best prediction. pXRF may be used with RF to help on determining the soil attributes and to produce digital maps.
URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
agronomia/20191201211168
URI alternaviva: repositorio.ufla.br/handle/1/43960
Curso: G001 - AGRONOMIA (BACHARELADO)
Nome da editora: Universidade Federal de Lavras
Sigla da editora: UFLA
País da editora: Brasil
Gênero textual: Trabalho de Conclusão de Curso
Nome da língua do conteúdo: Português
Código da língua do conteúdo: por
Licença de acesso: Acesso aberto
Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras
URI da licença: repositorio.ufla.br
Termos da licença: Acesso aos termos da licença em repositorio.ufla.br
Detentores dos direitos autorais: Matheus Sterzo Nilsson e Universidade Federal de Lavras
Baixar arquivo