| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Solos. Para informações adicionais entre em contato com cnps.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
27/08/2018 |
|
Data da última atualização: |
04/12/2023 |
|
Tipo da produção científica: |
Orientação de Tese de Pós-Graduação |
|
Autoria: |
DART, R. de O. |
|
Afiliação: |
RICARDO DE OLIVEIRA DART, CNPS. |
|
Título: |
Sensoriamento remoto aplicado à predição de classes de solos em floresta tropical seca: comparação entre tipos, fontes e épocas de aquisição. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
2017. |
|
Páginas: |
64 f. |
|
Descrição Física: |
il. color. |
|
Idioma: |
Português |
|
Notas: |
Dissertação (Mestrado) - Instituto de Geociências, Universidade Federal do Rio de Janeiro, Rio de Janeiro. Orientador: Nelson Ferreira Fernandes, UFRJ; Coorientador: Gustavo de Mattos Vasques, CNPS. |
|
Conteúdo: |
Modelos Digitais de Elevação (MDE) e imagens de satélite são frequentemente utilizados como covariáveis ambientais para predição de classes de solos em procedimentos de Mapeamento Digital de Solos (MDS). Para avaliar a utilização de imagens de sensoriamento remoto como covariáveis de entrada para a predição de classes de solo, aplicou-se o algoritmo de árvore de classificação (AC) para predizer classes de solo ao nível de grande grupo, de acordo Sistema Brasileiro de Classificação de Solos, em uma área de floresta tropical seca (FTS) com 102 km2 no norte do Estado de Minas Gerais, Brasil. Foram elaborados 17 modelos de AC, comparando três tipos de variáveis relacionadas aos fatores de formação do solo, quais sejam: (i) covariáveis topográficas (topo) obtidas a partir de três fontes de MDE (SRTM-90m, SRTM-30m e Ikonos); (ii) covariáveis obtidas a partir de imagens de satélite multiespectrais (sat) de duas fontes (Landsat 8 e RapidEye) em dois períodos (seco e úmido), representando o fator de formação "organismos"; e (iii) covariáveis de material de origem (parent) obtidas de imagens aéreas gamarradiométricas e magnetométricas. Comparou-se modelos usando covariáveis preditoras específicas de cada fator de formação, bem como, três resoluções espaciais (10-m, 30-m e 90-m) nas covariáveis topo e sat e apenas a resolução espacial de 90-m para as covariáveis parent para fins de predição de classes de solo. Para treinar e validar os modelos, utilizou-se, respectivamente, 296 e 128 observações de solos classificadas em nível de grande grupo, compondo 13 classes. O procedimento de AC apresentou bons resultados para classificar solos em FTS quando comparado a pesquisas similares, com acurácia global (AG) de até 91,6% na etapa de treinamento e até 53,1% na etapa de validação. Os resultados mostram que as covariáveis ambientais gratuitas com menor resolução espacial (90-m) podem produzir boas ou até melhores predições de classes do que as covariáveis ambientais pagas e com maior resolução espacial (10-m). Dentre os três tipos de covariáveis ambientais testadas para estimar classes de solos, os modelos com covariáveis topo apresentaram melhor desempenho, seguido por covariáveis parent e pelas covariáveis sat. Os modelos topo e parent conseguiram estimar todas as 13 classes de solos. Entre os modelos sat, os que utilizaram imagens no período seco obtiveram resultados mais acurados do que os com imagens no período úmido para estimar classes de solos em FTS. Em conclusão, identificou-se, dentre as covariáveis ambientais avaliadas, quais fatores de formação do solo e quais fontes, resoluções espaciais e períodos de aquisição de imagens de sensores remotos são mais adequados para predizer classes de solos em FTS no Brasil. MenosModelos Digitais de Elevação (MDE) e imagens de satélite são frequentemente utilizados como covariáveis ambientais para predição de classes de solos em procedimentos de Mapeamento Digital de Solos (MDS). Para avaliar a utilização de imagens de sensoriamento remoto como covariáveis de entrada para a predição de classes de solo, aplicou-se o algoritmo de árvore de classificação (AC) para predizer classes de solo ao nível de grande grupo, de acordo Sistema Brasileiro de Classificação de Solos, em uma área de floresta tropical seca (FTS) com 102 km2 no norte do Estado de Minas Gerais, Brasil. Foram elaborados 17 modelos de AC, comparando três tipos de variáveis relacionadas aos fatores de formação do solo, quais sejam: (i) covariáveis topográficas (topo) obtidas a partir de três fontes de MDE (SRTM-90m, SRTM-30m e Ikonos); (ii) covariáveis obtidas a partir de imagens de satélite multiespectrais (sat) de duas fontes (Landsat 8 e RapidEye) em dois períodos (seco e úmido), representando o fator de formação "organismos"; e (iii) covariáveis de material de origem (parent) obtidas de imagens aéreas gamarradiométricas e magnetométricas. Comparou-se modelos usando covariáveis preditoras específicas de cada fator de formação, bem como, três resoluções espaciais (10-m, 30-m e 90-m) nas covariáveis topo e sat e apenas a resolução espacial de 90-m para as covariáveis parent para fins de predição de classes de solo. Para treinar e validar os modelos, utilizou-se, respectivamente, 296 e 128 o... Mostrar Tudo |
|
Palavras-Chave: |
Árvore de classificação; Imagens de satélite; Imagens gamarradiométricas; Mapeamento digital de solos; Modelo digital de elevação. |
|
Thesagro: |
Classificação do Solo; Pedologia; Sensoriamento Remoto; Solo Florestal. |
|
Thesaurus Nal: |
Digital elevation models; Remote sensing; Soil classification. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
Marc: |
LEADER 03931nam a2200277 a 4500
001 2094586
005 2023-12-04
008 2017 bl uuuu m 00u1 u #d
100 1 $aDART, R. de O.
245 $aSensoriamento remoto aplicado à predição de classes de solos em floresta tropical seca$bcomparação entre tipos, fontes e épocas de aquisição.$h[electronic resource]
260 $a2017.$c2017
300 $a64 f.$cil. color.
500 $aDissertação (Mestrado) - Instituto de Geociências, Universidade Federal do Rio de Janeiro, Rio de Janeiro. Orientador: Nelson Ferreira Fernandes, UFRJ; Coorientador: Gustavo de Mattos Vasques, CNPS.
520 $aModelos Digitais de Elevação (MDE) e imagens de satélite são frequentemente utilizados como covariáveis ambientais para predição de classes de solos em procedimentos de Mapeamento Digital de Solos (MDS). Para avaliar a utilização de imagens de sensoriamento remoto como covariáveis de entrada para a predição de classes de solo, aplicou-se o algoritmo de árvore de classificação (AC) para predizer classes de solo ao nível de grande grupo, de acordo Sistema Brasileiro de Classificação de Solos, em uma área de floresta tropical seca (FTS) com 102 km2 no norte do Estado de Minas Gerais, Brasil. Foram elaborados 17 modelos de AC, comparando três tipos de variáveis relacionadas aos fatores de formação do solo, quais sejam: (i) covariáveis topográficas (topo) obtidas a partir de três fontes de MDE (SRTM-90m, SRTM-30m e Ikonos); (ii) covariáveis obtidas a partir de imagens de satélite multiespectrais (sat) de duas fontes (Landsat 8 e RapidEye) em dois períodos (seco e úmido), representando o fator de formação "organismos"; e (iii) covariáveis de material de origem (parent) obtidas de imagens aéreas gamarradiométricas e magnetométricas. Comparou-se modelos usando covariáveis preditoras específicas de cada fator de formação, bem como, três resoluções espaciais (10-m, 30-m e 90-m) nas covariáveis topo e sat e apenas a resolução espacial de 90-m para as covariáveis parent para fins de predição de classes de solo. Para treinar e validar os modelos, utilizou-se, respectivamente, 296 e 128 observações de solos classificadas em nível de grande grupo, compondo 13 classes. O procedimento de AC apresentou bons resultados para classificar solos em FTS quando comparado a pesquisas similares, com acurácia global (AG) de até 91,6% na etapa de treinamento e até 53,1% na etapa de validação. Os resultados mostram que as covariáveis ambientais gratuitas com menor resolução espacial (90-m) podem produzir boas ou até melhores predições de classes do que as covariáveis ambientais pagas e com maior resolução espacial (10-m). Dentre os três tipos de covariáveis ambientais testadas para estimar classes de solos, os modelos com covariáveis topo apresentaram melhor desempenho, seguido por covariáveis parent e pelas covariáveis sat. Os modelos topo e parent conseguiram estimar todas as 13 classes de solos. Entre os modelos sat, os que utilizaram imagens no período seco obtiveram resultados mais acurados do que os com imagens no período úmido para estimar classes de solos em FTS. Em conclusão, identificou-se, dentre as covariáveis ambientais avaliadas, quais fatores de formação do solo e quais fontes, resoluções espaciais e períodos de aquisição de imagens de sensores remotos são mais adequados para predizer classes de solos em FTS no Brasil.
650 $aDigital elevation models
650 $aRemote sensing
650 $aSoil classification
650 $aClassificação do Solo
650 $aPedologia
650 $aSensoriamento Remoto
650 $aSolo Florestal
653 $aÁrvore de classificação
653 $aImagens de satélite
653 $aImagens gamarradiométricas
653 $aMapeamento digital de solos
653 $aModelo digital de elevação
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 201 | |
| 2. |  | MENDONÇA-SANTOS, M. de L.; DART, R. de O.; BERBARA, R. L. L. Applying Conditional Latin Hypercube (cLHS) for selecting soil sampling location for Digital Soil Mapping at Parque Estadual da Mata Seca, MG, Brazil. In: GLOBAL WORKSHOP ON DIGITAL SOIL MAPPING, 3., 2008, Logan, Utah. Bridging research, production, and environmental applications: papers. Logan, UT: University of Utah, 2008. 1 CD-ROM.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Solos. |
|    |
| 12. | | MENDONÇA-SANTOS, M. de L.; SANTOS, H. G. dos; DART, R. de O.; PARES, J. G. Digital mapping of soil classes in Rio de Janeiro State, Brazil: data, modelling and prediction. In: HARTEMINK, A. E.; McBRATNEY, A.; MENDONÇA-SANTOS, M. de L. (ed.). Digital soil mapping with limited data. Dordrecht: Springer, 2008. cap. 34, p. 381-396.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Solos. |
|  |
| 19. | | COELHO, M. R.; LUMBRERAS, J. F.; SANTOS, H. G. dos; DART, R. de O.; LIMA, J. A. de S. Atributos químicos e granulometria dos solos da IX Reunião Brasileira de Classificação e Correção de Solos do Estado do Acre: um enfoque pedológico. In: REUNIÃO BRASILEIRA DE CLASSIFICAÇÃO E CORREÇÃO DE SOLOS, 9., Rio Branco, AC. Solos sedimentares em sistemas amazônicos: potencialidades e demandas de pesquisa: anais. Rio Branco, AC: SBCS, 2010.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Solos. |
| |
| 20. | | FERRAZ, R. P. D.; SIMÕES, M.; VASQUES, G. de M.; COELHO, M. R.; LUMBRERAS, J. F.; DART, R. de O. Convergência das tecnologias digitais e da informação. In: TORRES, L. A.; CAMPOS, S. K. (ed.). Megatendências da Ciência do Solo 2030. Brasília, DF: Embrapa, 2022. E-book. cap. 3.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Solos. |
|  |
| Registros recuperados : 201 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
