
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 | Souza, Cristiano Marcelo Pereira de | - |
| Autor(es): dc.creator | Veloso, Gustavo Vieira | - |
| Autor(es): dc.creator | Mello, Carlos Rogério de | - |
| Autor(es): dc.creator | Ribeiro, Ricardo Pires | - |
| Autor(es): dc.creator | Silva, Lucas Augusto Pereira da | - |
| Autor(es): dc.creator | Leite, Marcos Esdras | - |
| Autor(es): dc.creator | Fernandes Filho, Elpídio Inácio | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:35:50Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:35:50Z | - |
| Data de envio: dc.date.issued | 2022-07-14 | - |
| Data de envio: dc.date.issued | 2022-07-14 | - |
| Data de envio: dc.date.issued | 2022-04 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/50608 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1080/10106049.2022.2060318 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1164479 | - |
| Descrição: dc.description | The spatiotemporal dynamic of rainfall erosivity is essential for environmental studies and guidance to control erosion. The purpose of this study is to assess rainfall erosivity (monthly and annual), testing machine learning algorithms aided by a covariate bank for spatial prediction of rainfall erosivity in Southeastern Brazil. The modeling tested Random Forest-RF, Cubist, Support Vector Machine, Earth, and Linear Model, associated with 154 covariates (topographic, climatic, and vegetation data). However, we apply the cut-off correlation function (findcorrelation) and feature selection algorithm (Recursive Feature Elimination—RFE) to select strong covariates. Our results show that the RF algorithm was more efficient in modeling (R2 values between 0.29 and 0.82), whit the best metrics in the low rainfall period (winter). The modeling showed fluidity by selecting only 43 significant covariates due to the findcorrelation and RFE functions. The most important and frequent covariates in spatial modeling were coordinates, water deficit, topographical, and climatic data. In general, the spatial results show that the dynamics of rainfall erosivity is strongly affected by factors of air mass circulation, relief, and geographic position. Our approach is promising as it is a method capable of estimating rainfall erosivity in unsampled areas, capturing information from significant spatial covariates. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Taylor & Francis Group | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Geocarto International | - |
| Palavras-chave: dc.subject | Rainfall intensity | - |
| Palavras-chave: dc.subject | Random Forest | - |
| Palavras-chave: dc.subject | Climatic heterogeneity | - |
| Palavras-chave: dc.subject | Precipitation intensity | - |
| Palavras-chave: dc.subject | Intensidade da chuva | - |
| Palavras-chave: dc.subject | Floresta aleatória | - |
| Palavras-chave: dc.subject | Heterogeneidade climática | - |
| Palavras-chave: dc.subject | Erosividade da chuva | - |
| Palavras-chave: dc.subject | Predição espaço-temporal | - |
| Título: dc.title | Spatiotemporal prediction of rainfall erosivity by machine learning in southeastern Brazil | - |
| 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: