
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 | Mancini, Marcelo | - |
| Autor(es): dc.creator | Andrade, Renata | - |
| Autor(es): dc.creator | Teixeira, Anita Fernanda dos Santos | - |
| 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 | Guilherme, Luiz Roberto Guimaraes | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:40:33Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:40:33Z | - |
| Data de envio: dc.date.issued | 2022-12-07 | - |
| Data de envio: dc.date.issued | 2022-12-07 | - |
| Data de envio: dc.date.issued | 2022-09 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/55684 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.geodrs.2022.e00573 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1144942 | - |
| Descrição: dc.description | Proximal sensing has achieved widespread popularity recently in soil science and the combination of different sensors and data processing methods is vast. Yet, confusion exists about which sensor (or the combination of sensors) is worthwhile considering the budget, scope, and the goals of the project. Hence, this work aims to test many modeling combinations using pXRF, Vis-NIR, and NixPro™ data and several preprocessing methods to offer a general guideline for exchangeable/available macronutrient (Ca2+, Mg2+, K+, P-rem), exchangeable Al3+, Al3+ saturation and soil potential acidity predictions (H++Al3+). A total of 604 samples were collected across four Brazilian states. Five types of spectra preprocessing, two sample moisture conditions for color, and the addition of extra explanatory variables were tested. The manifold combinations of these factors were modeled as continuous and categorical variables using the random forest algorithm and yielded 9310 models, from which prediction results were validated. The best results were achieved by fusing all sensors, proving the complementary nature of sensor data. However, pXRF data were key to significantly improving the predictions. Exchangeable Ca2+, Mg2+, Al3+, and Al saturation presented the best prediction results (R2 > 0.75), while available K+ and H++Al3+ had poor predictions (R2 < 0.5). Separating models by soil order improved predictions for Ultisols. Binning was the spectra preprocessing method that appeared most frequently in the best-performing models. The dry and moist color showed little effect in predictions. Categorical validation improved the usability of poorer models and maintained the good performance of the best models. Data fusion provided optimal results combining the three sensors, but pXRF provided key data for the good performance of combined sensor datasets. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Geoderma Regional | - |
| Palavras-chave: dc.subject | Inceptisols | - |
| Palavras-chave: dc.subject | Oxisols | - |
| Palavras-chave: dc.subject | Ultisols | - |
| Palavras-chave: dc.subject | Soil properties prediction | - |
| Palavras-chave: dc.subject | Latossolos | - |
| Palavras-chave: dc.subject | Argissolos | - |
| Palavras-chave: dc.subject | Previsão das propriedades do solo | - |
| Título: dc.title | Proximal sensor data fusion for Brazilian soil properties prediction: exchangeable/available macronutrients, aluminum, and potential acidity | - |
| 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: