Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Baldo, Danilo | - |
Autor(es): dc.creator | Marques, José | - |
Autor(es): dc.creator | Fernandes, Kathleen | - |
Autor(es): dc.creator | de Almeida, Gabriela Mourão | - |
Autor(es): dc.creator | Siqueira, Diego Silva | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:04:14Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:04:14Z | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2020-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1002/saj2.20309 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/229490 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/229490 | - |
Descrição: dc.description | Detailed mapping is essential for land use and management planning. The mappings require a robust database. Costs and time associated with obtaining the database are high and, therefore, it is not always possbile to obtain it. Soil color is a pedoindicator attribute that can be easily characterized. This study aimed to use soil color, based on the RGB (red–green–blue) system and obtained by diffuse reflectance spectroscopy (DRS) and mobile proximal sensor (MPS) to estimate mineralogical attributes using machine learning techniques for the Western Plateau of São Paulo. A total of 600 samples were collected throughout the study area. The samples were analyzed by DRS and then photographed. The color data were obtained by the RGB system after analysis in a computer program. The samples were subjected to laboratory analysis to quantify the contents of crystalline and noncrystalline Fe, hematite, goethite, kaolinite, and gibbsite. The database was subjected to the random forest machine learning algorithm and geostatistics. The use of random forest allowed estimating soil mineralogical attributes based on the RGB system by DRS and MPS. Detailed maps of mineralogical attributes could be constructed using the RGB system by the DRS and MPS techniques. The MPS technique can be used to characterize soil color, reducing the costs associated with analysis and the time required for data collection. | - |
Descrição: dc.description | Dep. of Agriculture Sciences Research Group CSME—Soil Characterization for Specific Management Faculty of Agrarian and Veterinary Sciences São Paulo State Univ. (FCAV/UNESP) | - |
Descrição: dc.description | Dep. of Agriculture Sciences Research Group CSME—Soil Characterization for Specific Management Faculty of Agrarian and Veterinary Sciences São Paulo State Univ. (FCAV/UNESP) | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Soil Science Society of America Journal | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Soil mineralogical attributes estimated by color as accessed by proximal sensors and machine learning | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: