
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.creator | Faria, Alvaro José Gomes de | - |
| Autor(es): dc.creator | Silva, Sérgio Henrique Godinho | - |
| Autor(es): dc.creator | Andrade, Renata | - |
| Autor(es): dc.creator | Mancini, Marcelo | - |
| Autor(es): dc.creator | Melo, Leônidas Carrijo Azevedo | - |
| Autor(es): dc.creator | Weindorf, David C. | - |
| Autor(es): dc.creator | Guilherme, Luiz Roberto Guimarães | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:16:51Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:16:51Z | - |
| Data de envio: dc.date.issued | 2022-07-01 | - |
| Data de envio: dc.date.issued | 2022-07-01 | - |
| Data de envio: dc.date.issued | 2022-03 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/50429 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/pii/S2352009421001061 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1137491 | - |
| Descrição: dc.description | Soil organic matter (SOM) measurement is of great agricultural and environmental importance. Thus, the development of rapid, environmentally-friendly, economical and reliable assessment methods is challenging. Soil proximal sensors have become an important approach for SOM prediction worldwide, but require regional calibration. This work aimed to assess the efficiency of SOM content prediction using the Nix Pro™ color sensor and portable X-ray fluorescence (pXRF) spectrometry, either separately or combined. The type of soil horizon collected (A or B) was used as auxiliary input data. A total of 705 Brazilian variable soil samples were analyzed in the laboratory for SOM content and scanned by Nix Pro™ and pXRF. Via Nix Pro™, samples were analyzed both dry and moist since moisture changes their color. Prediction models were built using 70% of the data via the stepwise multiple linear regression (SMLR), support vector machine with linear kernel (SVM) and random forest (RF). Validation was performed with the remaining 30% of the data through the coefficient of determination (R2), the root mean square error (RMSE) and the residual prediction deviation (RPD). SOM content was predicted with good accuracy (R2 = 0.73, RMSE = 1.09% and RPD = 2.00) using the RF algorithm trained with combined data from the Nix Pro™ and pXRF sensors. Soil horizons and Ca content were the two most important predictor variables. The combination of data obtained by Nix Pro™ and pXRF yielded accurate SOM predictions for a wide variety of Brazilian soils, in addition to being environmentally-friendly, without generating chemical waste. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Geoderma | - |
| Palavras-chave: dc.subject | Proximal sensors | - |
| Palavras-chave: dc.subject | Random forest | - |
| Palavras-chave: dc.subject | pXRF | - |
| Palavras-chave: dc.subject | Soil color | - |
| Palavras-chave: dc.subject | Soil modeling | - |
| Palavras-chave: dc.subject | Tropical soils | - |
| Título: dc.title | Proximal sensor data fusion and auxiliary information for tropical soil property prediction: soil texture | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: