
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 | Pelegrino, Marcelo Henrique Procópio | - |
| Autor(es): dc.creator | Silva, Sérgio Henrique Godinho | - |
| Autor(es): dc.creator | Faria, Álvaro José Gomes de | - |
| Autor(es): dc.creator | Mancini, Marcelo | - |
| Autor(es): dc.creator | Teixeira, Anita Fernanda dos Santos | - |
| Autor(es): dc.creator | Chakraborty, Somsubhra | - |
| 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 | 2026-02-09T12:16:57Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:16:57Z | - |
| Data de envio: dc.date.issued | 2022-02-07 | - |
| Data de envio: dc.date.issued | 2022-02-07 | - |
| Data de envio: dc.date.issued | 2021 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/49223 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1007/s11119-021-09825-8 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1158160 | - |
| Descrição: dc.description | Precision agriculture provides detailed information on the spatial variability of soil properties, including nutrient content, allowing for local-specific decision making. Recently, proximal sensors have been used to accurately predict soil properties, contributing to reduce costs of conventional wet-chemistry analyses for soil characterization. However, further investigations on this approach in tropical soils are needed. This work aimed to use portable X-ray fluorescence (pXRF) spectrometry data for prediction of exchangeable Ca2+ and available K+ and P contents in soils of a highly heterogeneous tropical area and evaluating its practical applications. 90 samples from soil A horizon were collected in a regular grid design, and analyzed through pXRF and for nutrient contents. Such data were split into modeling (63 samples) and validation (27 samples) datasets. Linear regression (LR), polynomial regression (PR), power regression (PwR) and stepwise multiple linear regression (SMLR) were tested for predictions. The models were used to spatially represent nutrient contents across the area and to compare the practical effects of varying regression models. PXRF elemental data provided reliable predictions of exchangeable Ca2+ and available P via SMLR and PwR, respectively, reaching root mean square errors (RMSE) of 5.66 cmolc dm−3 for Ca2+ and 9.13 mg dm−3 for P. Available K+ predictions were not successful. Different models yielded contrasting maps showing the classes of soil fertility across the area, drawing attention to the importance of testing multiple prediction models and using the best one for precision agriculture. Fusion of data from different proximal sensors may enhance available K+ predictions. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Springer | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Precision Agriculture | - |
| Palavras-chave: dc.subject | Proximal sensor | - |
| Palavras-chave: dc.subject | Regression analysis | - |
| Palavras-chave: dc.subject | Soil fertility spatial prediction | - |
| Palavras-chave: dc.subject | Random forest | - |
| Palavras-chave: dc.subject | Digital soil mapping | - |
| Palavras-chave: dc.subject | Sensor proximal | - |
| Palavras-chave: dc.subject | Análise de regressão | - |
| Palavras-chave: dc.subject | Mapeamento digital do solo | - |
| Título: dc.title | Prediction of soil nutrient content via pXRF spectrometry and its spatial variation in a highly variable tropical area | - |
| 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: