
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 | Benedet, Lucas | - |
| Autor(es): dc.creator | Acuña-Guzman, Salvador F. | - |
| Autor(es): dc.creator | Faria, Wilson Missina | - |
| Autor(es): dc.creator | Silva, Sérgio Henrique Godinho | - |
| Autor(es): dc.creator | Mancini, Marcelo | - |
| Autor(es): dc.creator | Teixeira, Anita Fernanda dos Santos | - |
| Autor(es): dc.creator | Pierangeli, Luiza Maria Pereira | - |
| Autor(es): dc.creator | Acerbi Júnior, Fausto Weimar | - |
| Autor(es): dc.creator | Gomide, Lucas Rezende | - |
| Autor(es): dc.creator | Pádua Júnior, Alceu Linares | - |
| Autor(es): dc.creator | Souza, Igor Alexandre de | - |
| Autor(es): dc.creator | Menezes, Michele Duarte de | - |
| Autor(es): dc.creator | Marques, João José | - |
| Autor(es): dc.creator | Guilherme, Luiz Roberto Guimarães | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:27:23Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:27:23Z | - |
| Data de envio: dc.date.issued | 2022-01-30 | - |
| Data de envio: dc.date.issued | 2022-01-30 | - |
| Data de envio: dc.date.issued | 2021-01 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/49104 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.catena.2020.105003 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1141169 | - |
| Descrição: dc.description | Conventional soil fertility analyses are laborious, costly, time-consuming, and produce hazardous waste. The high demand of these laboratory-based analyses prompted us to investigate an environment-friendly, rapid, and inexpensive methodology for soil fertility assessment. Portable X-ray fluorescence (pXRF) spectrometry allows the determination of total elemental concentration in soils quickly, simply and without hazardous waste production. However, incipient usage of this technology for the prediction of soil fertility properties has been reported for tropical conditions. Soil samples were collected from seven Brazilian states (n = 1975) aiming to use pXRF data to predict contents of available or exchangeable Ca2+, Mg2+, Al3+, K+ and P by testing different algorithms using 70% of the samples for model training, and the remaining 30% for model validation. In addition to point data predictions, the best performing models were applied to data obtained from a farm within the studied regions with a known cropping history to create soil fertility maps and illustrate another applicability of this approach. The attested use of pXRF data and machine learning algorithms stepwise Generalized Linear Model (GLM) and Random Forest (RF) to predict the contents of relevant soil fertility properties exhibited great potential. Validation of the models corroborated that RF resulted in more accurate predictions than GLM. Validation R2 values ranged from 0.59 to 0.82. Maps created were coherent with expected distributions of soil fertility attributes. This environment-friendly methodology may be used for the assessment of soil fertility properties in a wide range of tropical and subtropical soils with minimum waste generation and reduced costs. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Catena | - |
| Palavras-chave: dc.subject | Portable X-ray fluorescence spectrometry | - |
| Palavras-chave: dc.subject | Soil fertility | - |
| Palavras-chave: dc.subject | Proximal sensor | - |
| Palavras-chave: dc.subject | Tropical soils | - |
| Palavras-chave: dc.subject | Soil spatial variability | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Espectrometria de fluorescência de raios X portátil | - |
| Palavras-chave: dc.subject | Fertilidade do solo | - |
| Palavras-chave: dc.subject | Sensor proximal | - |
| Palavras-chave: dc.subject | Solos tropicais | - |
| Palavras-chave: dc.subject | Variabilidade espacial do solo | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Título: dc.title | Rapid soil fertility prediction using X-ray fluorescence data and machine learning algorithms | - |
| 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: