
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 | Menezes, Michele Duarte de | - |
| Autor(es): dc.creator | Bispo, Fábio Henrique Alves | - |
| Autor(es): dc.creator | Faria, Wilson Missina | - |
| Autor(es): dc.creator | Gonçalves, Mariana Gabriele Marcolino | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Autor(es): dc.creator | Guilherme, Luiz Roberto Guimarães | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:46:14Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:46:14Z | - |
| Data de envio: dc.date.issued | 2020-09-11 | - |
| Data de envio: dc.date.issued | 2020-09-11 | - |
| Data de envio: dc.date.issued | 2020-04-10 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/43011 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/abs/pii/S0048969720300206#! | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1167932 | - |
| Descrição: dc.description | Arsenic accumulation in the environment poses ecological and human health risks. A greater knowledge about soil total As content variability and its main drivers is strategic for maintaining soil security, helping public policies and environmental surveys. Considering the poor history of As studies in Brazil at the country's geographical scale, this work aimed to generate predictive models of topsoil As content using machine learning (ML) algorithms based on several environmental covariables representing soil forming factors, ranking their importance as explanatory covariables and for feeding group analysis. An unprecedented databank based on laboratory analyses (including rare earth elements), proximal and remote sensing, geographical information system operations, and pedological information were surveyed. The median soil As content ranged from 0.14 to 41.1 mg kg−1 in reference soils, and 0.28 to 58.3 mg kg−1 in agricultural soils. Recursive Feature Elimination Random Forest outperformed other ML algorithms, ranking as most important environmental covariables: temperature, soil organic carbon (SOC), clay, sand, and TiO2. Four natural groups were statistically suggested (As content ± standard error in mg kg−1): G1) with coarser texture, lower SOC, higher temperatures, and the lowest TiO2 contents, has the lowest As content (2.24 ± 0.50), accomplishing different environmental conditions; G2) organic soils located in floodplains, medium TiO2 and temperature, whose As content (3.78 ± 2.05) is slightly higher than G1, but lower than G3 and G4; G3) medium contents of As (7.14 ± 1.30), texture, SOC, TiO2, and temperature, representing the largest number of points widespread throughout Brazil; G4) the largest contents of As (11.97 ± 1.62), SOC, and TiO2, and the lowest sand content, with points located mainly across Southeastern Brazil with milder temperature. In the absence of soil As content, a common scenario in Brazil and in many Latin American countries, such natural groups could work as environmental indicators. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Science of The Total Environment | - |
| Palavras-chave: dc.subject | Cluster analysis | - |
| Palavras-chave: dc.subject | Environmental covariates | - |
| Palavras-chave: dc.subject | Grouping analysis | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Variable importance | - |
| Palavras-chave: dc.subject | Análise de cluster | - |
| Palavras-chave: dc.subject | Covariáveis ambientais | - |
| Palavras-chave: dc.subject | Análise de agrupamento | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Importância variável | - |
| Título: dc.title | Modeling arsenic content in Brazilian soils: What is relevant? | - |
| 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: