Analysis of fertility attributes in eutroferric red latosol and red nitosol by portable EDXRF
Data
2024-02-20
Autores
Ribeiro, José Vinícius
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
A crescente demanda global por produtos agrícolas, alimentos e energia requer uma abordagem sustentável e segura para a produção agrícola. A fertilidade do solo é vital para aumentar a produtividade agrícola, e entender a variabilidade espacial dos atributos de fertilidade do solo é crucial para preservar a fertilidade do solo. Os métodos tradicionais de análise de solo são demorados, caros e geram resíduos. As técnicas de análise espectral, como a fluorescência de raios X por dispersão em energia (EDXRF) combinadas com metodologias de machine learning (ML) oferecem uma alternativa rápida e econômica para a quantificação dos atributos do solo. A respeito disso, a principal motivação deste estudo é explorar os dados gerados por um espectrômetro portátil de EDXRF (pXRF) aplicado a amostras de solo no contexto de modelagem com algoritmos de aprendizado de máquina para quantificar atributos de fertilidade. Nessa perspectiva, este estudo estabeleceu condições otimizadas em termos de configuração experimental (Capítulo 2) e número mínimo de amostras utilizadas na etapa de treinamento (Capítulo 3) na construção de modelos locais de ML para quantificar atributos de fertilidade do solo. Adicionalmente, foi realizado um estudo preliminar de validação in situ dos modelos com condições ótimas. Os resultados indicaram que o uso de 15 kV, 12.15 µA e 30 s sem filtros é o mais indicado para quantificação simultânea dos atributos de fertilidade avaliados. A condição otimizada de pXRF forneceu resultados equivalentes aos modelados com dados de EDXRF de bancada, sugerindo uma possível aplicação in situ deste método. No entanto, o estudo preliminar sobre extrapolação a partir de modelos calibrados em laboratório teve resultados negativos, indicando que a sua extrapolação para medições in situ não foi recomendada no contexto desta pesquisa. Por outro lado, foi possível reduzir o número de amostras de treinamento mantendo desempenho equivalente aos modelos treinados com o conjunto completo de dados. Esses resultados destacam o potencial do pXRF como uma abordagem alternativa econômica, rápida e eficiente para o mapeamento local da fertilidade do solo, fornecendo informações valiosas para a tomada de decisões relacionadas ao uso de fertilizantes e outros produtos para correção do solo
Descrição
Palavras-chave
pXRF, Aprendizagem de máquina, Fusão de dados, Atributos de fertilidade, Física do solo, Produtos agrícolas, Fertilidade do solo, Produtividade agrícola, Análise espectral