
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 | Andrade, Renata | - |
| Autor(es): dc.creator | Silva, Sérgio Henrique Godinho | - |
| Autor(es): dc.creator | Weindorf, David C. | - |
| Autor(es): dc.creator | Chakraborty, Somsubhra | - |
| Autor(es): dc.creator | Faria, Wilson Missina | - |
| Autor(es): dc.creator | Mesquita, Luiz Felipe | - |
| Autor(es): dc.creator | Guilherme, Luiz Roberto Guimarães | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:21:33Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:21:33Z | - |
| Data de envio: dc.date.issued | 2020-09-11 | - |
| Data de envio: dc.date.issued | 2020-09-11 | - |
| Data de envio: dc.date.issued | 2019-12-31 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/43009 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/abs/pii/S0016706119307530#! | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1139199 | - |
| Descrição: dc.description | Portable X-ray fluorescence (pXRF) spectrometry is becoming increasingly popular for predicting soil properties worldwide. However, there are still very few works on this subject under tropical conditions. Therefore, the objectives of this study were to use pXRF data to characterize the Brazilian Coastal Plains (BCP) soils and assess four machine learning algorithms [ordinary least squares regression (OLS), cubist regression (CR), XGBoost (XGB), and random forest (RF)] for prediction of total nitrogen (TN), cation exchange capacity (CEC), and soil organic matter (SOM) using pXRF data. A total of 285 soil samples were collected from the A and B horizons representing Ultisols, Oxisols, Spodosols, and Entisols. The pXRF reported elements helped in the characterization of the BCP soils. In general, the RF model achieved the best performances for TN (R2 = 0.50), CEC (0.75), and SOM (0.56) when A and B horizons were combined, although better results have been reported in the literature for soils from other regions of the world. The results reported here for the BCP soils represent alternatives for reducing costs and time needed for assessing such data, supporting agronomic and environmental strategies. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Geoderma | - |
| Palavras-chave: dc.subject | Total nitrogen | - |
| Palavras-chave: dc.subject | Cation exchange capacity | - |
| Palavras-chave: dc.subject | Soil organic matter | - |
| Palavras-chave: dc.subject | Machine learning algorithms | - |
| Palavras-chave: dc.subject | Kaolinitic soils | - |
| Palavras-chave: dc.subject | Cohesive soils | - |
| Palavras-chave: dc.subject | Nitrogênio total | - |
| Palavras-chave: dc.subject | Capacidade de troca de catiões | - |
| Palavras-chave: dc.subject | Matéria orgânica do solo | - |
| Palavras-chave: dc.subject | Algoritmos de aprendizado de máquina | - |
| Palavras-chave: dc.subject | Solos cauliníticos | - |
| Palavras-chave: dc.subject | Solos coesivos | - |
| Título: dc.title | Assessing models for prediction of some soil chemical properties from portable X-ray fluorescence (pXRF) spectrometry data in Brazilian Coastal Plains | - |
| 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: