
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, Álvaro José Gomes de | - |
| Autor(es): dc.creator | Silva, Sérgio Henrique Godinho | - |
| Autor(es): dc.creator | Lima, Luiza Carvalho Alvarenga | - |
| Autor(es): dc.creator | Andrade, Renata | - |
| Autor(es): dc.creator | Botelho, Lívia | - |
| Autor(es): dc.creator | Melo, Leônidas Carrijo Azevedo | - |
| Autor(es): dc.creator | Guilherme, Luiz Roberto Guimarães | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:52:56Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:52:56Z | - |
| Data de envio: dc.date.issued | 2023-06-26 | - |
| Data de envio: dc.date.issued | 2023-06-26 | - |
| Data de envio: dc.date.issued | 2022 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/57065 | - |
| Fonte completa do material: dc.identifier | https://www.publish.csiro.au/SR/SR22168 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1149527 | - |
| Descrição: dc.description | Context: USEPA 3051a is a standard analytical methodology for the extraction of inorganic substances in soils. However, these analyses are expensive, time-consuming and produce chemical residues. Conversely, proximal sensors such as portable X-ray fluorescence (pXRF) spectrometry reduce analysis time, costs and consequently offer a valuable alternative to laboratory analyses. Aim: We aimed to investigate the feasibility to predict the results of the USEPA 3051a method for 28 chemical elements from pXRF data. Methods: Samples (n = 179) representing a large area from Brazil were analysed for elemental composition using the USEPA 3051a method and pXRF scanning (Al, Ca, Cr, Cu, Fe, K, Mn, Ni, P, Pb, Sr, Ti, V, Zn and Zr). Linear regressions (simple linear regression – SLR and stepwise multiple linear regressions – SMLR) and machine learning algorithms (support vector machine – SVM and random forest – RF) were tested and compared. Modelling was developed with 70% of the data, while the remaining 30% were used for validation. Key results: Results demonstrated that SVM and RF performed better than SLR and SMLR for the prediction of Al, Ba, Bi, Ca, Cd, Ce, Co, Cr, Cu, Fe, Mg, Mn, Mo, P, Pb, Sn, Sr, Ti, Tl, V, Zn and Zr; R2 and RPD values ranged from 0.52 to 0.94 and 1.43 to 3.62, respectively, as well as the lowest values of RMSE and NRMSE values (0.28 to 0.70 mg kg−1). Conclusions and implications: Most USEPA 3051a results can be accurately predicted from pXRF data saving cost, time, and ensuring large-scale routine geochemical characterisation of tropical soils in an environmentally friendly way. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Csiro Publishing | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Soil Research | - |
| Palavras-chave: dc.subject | Acid digestion | - |
| Palavras-chave: dc.subject | Environmental modelling | - |
| Palavras-chave: dc.subject | Pedology | - |
| Palavras-chave: dc.subject | Proximal sensors | - |
| Palavras-chave: dc.subject | Soil analysis | - |
| Palavras-chave: dc.subject | Soil chemistry | - |
| Palavras-chave: dc.subject | Soil variability | - |
| Palavras-chave: dc.subject | USEPA 3051a | - |
| Título: dc.title | Rapid elemental prediction of heterogeneous tropical soils from pXRF data: a comparison of models via linear regressions 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: