
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 | Silva, Sérgio Henrique Godinho | - |
| Autor(es): dc.creator | Teixeira, Anita Fernanda dos Santos | - |
| Autor(es): dc.creator | Guilherme, Luiz Roberto Guimarães | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:55:00Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:55:00Z | - |
| Data de envio: dc.date.issued | 2020-09-11 | - |
| Data de envio: dc.date.issued | 2020-09-11 | - |
| Data de envio: dc.date.issued | 2020-09 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/43016 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/abs/pii/S2352009420300596#! | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1170850 | - |
| Descrição: dc.description | Parent material (PM) is key in the thorough understanding of soils. However, the complexity of PM distributions and the difficulty of reaching PM in deep soils prevent its detailed assessment. Proximal sensors, such as the portable X-ray fluorescence spectrometer (pXRF), might ease this process. This work attempts to prove the potential of pXRF to predict different PMs from analyses of soil samples. The study encompassed five Brazilian states representing 1,541,309.409 km2, from where 310 soil samples of various soil classes derived from 12 different PMs were collected and analyzed by PXRF. Support Vector Machine (SVM) and Random Forest (RF) algorithms were used for modeling. Modeling comprised three datasets: one containing all data (310 samples), a dataset with younger soils (151 samples) and one with older soils, conceptually less influenced by their PM (159 samples), to understand how soil-PM chemical proximity affects prediction performance, assessed via overall accuracy and Kappa coefficient. Data distribution showed pXRF can discriminate PM types via their resulting soils, regardless of the degree of weathering. Prediction results were prominent: RF and SVM achieved roughly 0.9 Kappa and overall accuracy predicting all data. For the remaining datasets, SVM achieved 0.96 Kappa and RF nearly 0.92 for younger soils, and 0.87 and 0.9, respectively, for older soils, confirming that PMs of younger soils are slightly easier to predict, but even soils heavily altered by pedogenetic processes can be accurately predicted. Results confirm the pXRF potential to predict PM from soil data, which might help in soil mapping and its consequent activities in tropical conditions. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Geoderma Regional | - |
| Palavras-chave: dc.subject | Parent material (PM) | - |
| Palavras-chave: dc.subject | Portable X-ray fluorescence spectrometer (pXRF) | - |
| Palavras-chave: dc.subject | Tropical soils | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Geological formations | - |
| Palavras-chave: dc.subject | Proximal soil sensing | - |
| Palavras-chave: dc.subject | Material de origem | - |
| Palavras-chave: dc.subject | Espectrômetro portátil de fluorescência de raios-x | - |
| Palavras-chave: dc.subject | Solos tropicais | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Formações geológicas | - |
| Palavras-chave: dc.subject | Sensor de solo proximal | - |
| Título: dc.title | Soil parent material prediction for Brazil via proximal soil sensing | - |
| 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: