Read more
O carbono orgânico do solo (SOC) é um indicador importante e fiável da qualidade do solo. Neste estudo, os espectros do solo foram caracterizados e analisados para prever o conteúdo espacial de SOC, utilizando a técnica de modelação preditiva multivariada - rede neural artificial (RNA). Foram gerados conjuntos de dados de imagens hiperespectrais EO1-Hyperion (400 - 2500 nm), à escala do campo e do laboratório (350 - 2500 nm), que consistem no teor de SOC estimado em laboratório das amostras de solo recolhidas (variável dependente) e nos dados de reflexão correspondentes das bandas espectrais sensíveis ao SOC (variáveis preditivas). Para cada conjunto de dados, foram desenvolvidos modelos de previsão ANN e três conjuntos de dados (à escala da imagem, à escala do campo e à escala do laboratório) revelaram desempenhos significativos da rede para treino, teste e validação, indicando uma boa generalização da rede para o teor de SOC. A análise baseada na RNA mostrou uma elevada previsão do teor de SOC à escala da imagem (R2 = 0,93 e RPD = 3,19), à escala do campo (R2 = 0,92 e RPD = 3,17) e à escala do laboratório (R2 = 0,95 e RPD = 3,16). Os resultados da validação da RNA indicaram que os modelos de previsão tiveram um bom desempenho (R2 = 0,90) com RMSE 0,070. O resultado mostrou que os métodos ANN têm um grande potencial para estimar o teor de SOC.
About the author
Sudheer Kumar Tiwari trabaja como científico en el Centro de Aplicaciones Espaciales de Andhra Pradesh (APSAC), Departamento de Planificación, Gobierno de Andhra Pradesh. Ha completado su M.Tech. en Teledetección y SIG con distinción del Instituto Indio de Teledetección, ISRO, Dehradun en 2011.
