Mapeamento digital de estoque de carbono e frações granulométricas de solos da Amazônia Central e predição de densidade dos solos do Brasil

• Ano de defesa: 2018
• Autor(a) principal: Gomes, Andréa da Silva
• Orientador(a): Ceddia, Marcos Bacis
• Banca de defesa: Ceddia, Marcos Bacis, Pereira, Marcos Gervasio, Pereira, Renato Nunes, Valladares, Gustavo Souza, Donagemma, Guilherme Kangussu
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal Rural do Rio de Janeiro
• Programa de Pós-Graduação: Programa de Pós-Graduação em Agronomia - Ciência do Solo
• Departamento: Instituto de Agronomia
• País: Brasil
• Palavras-chave em Português: SAR; NDVI; Relevo; Sensoriamento remoto; Regressão linear múltipla; Funções de pedotransferência
• Palavras-chave em Inglês: Relief; Remote sensing; Multiple linear regression; Pedotransfer functions
• Área do conhecimento CNPq: Agronomia
• Link de acesso: https://rima.ufrrj.br/jspui/handle/20.500.14407/9142

O conhecimento do solo e suas propriedades é essencial para o planejamento ambiental e estudo da dinâmica em agroecossistemas. Algumas regiões, como Amazônia brasileira, apresentam carência em informações detalhadas sobre o meio físico, devido a dificuldades referentes ao acesso e movimentação em mata densa típica dessas regiões. Atributos de difícil mensuração em campo como densidade do solo, não são determinados comumente em levantamentos de solos e são necessários para o cálculo de outras propriedades como estoque de carbono e porosidade total. Nesse contexto, modelos de predição e algoritmos de interpolação são alternativas para a estimativa desses atributos em áreas não amostradas. Os objetivos deste trabalho foram: avaliar a adição de covariáveis do relevo e derivadas de imagens multiespectrais e de radar na predição de estoque de carbono e textura do solo em área da Amazônia Central, comparando a performance de quatro métodos geoestatísticos; e desenvolver Funções de Pedotranferência (FPTs) para estimar densidade do solo (Ds) em solos brasileiros, utilizando outros atributos físicos e químicos. No Capítulo I foram utilizadas variáveis do relevo e derivadas de imagens multiespectrais (NDVI) e de radar (coeficiente de retroespalhamento) como covariáveis na predição dos atributos estoque de carbono e textura do solo. Em geral, os resultados mostraram que, mesmo sob floresta densa, o Índice de Vegetação de Diferença Normalizada (NDVI) e o coeficiente de retroespalhamento ALOS PALSAR melhoraram a acurácia das predições de estoque de carbono (EC) e argila subsuperficial. O NDVI derivado de imagem do sensor RapidEye melhorou a predição de EC usando cokrigagem isotópica, enquanto o NDVI derivado de imagem do sensor Landsat 8 e o coeficiente de retroespalhamento foram selecionados para predição de EC e argila subsuperficial usando o krigagem com regressão (KR). A melhoria relativa da aplicação de cokrigagem e KR sobre o krigagem ordinária foi inferior a 10%, indicando que são necessárias análises futuras para conectar covariáveis derivadas da vegetação e do relevo com atributos do solo. No Capítulo II foram desenvolvidas FPTs para estimar densidade dos solos do Brasil, a partir de atributos físicos e químicos disponíveis em levantamentos de solo. Foram desenvolvidos modelos de regressão linear múltipla para o Brasil e para as cinco regiões e comparado sua performance com o modelo referência publicado na literatura proposto por Benites et al. (2007). As FPTs geradas tiveram melhor performance comparada ao modelo proposto por Benites et al. (2007), exceto para a região Sul. Comparando-se a performance do modelo geral (Brasil) em relação aos modelos gerados por regiões, observou-se menores valores de MPE, MAE e RMSPE, para os modelos gerados por regiões, exceto para a região Sul. Quando se considera um modelo geral para predizer a Ds, o modelo gerado para o Brasil, obteve melhor performance, aproximadamente 7% a mais de acurácia comparado ao modelo referência.