Title:	Mapeamento digital dos teores de Fe2O3, MnO, Nb e TiO2 em Morro dos Seis Lagos - AM, Brasil.
Authors:	RODRIGUES, N. B. SILVA, J. C. L. da SILVA, R. P. M. da PINHEIRO, H. S. K. CARVALHO JUNIOR, W. de
Affiliation:	NIRIELE BRUNO RODRIGUES, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; JÚLIO CESAR LOPES DA SILVA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO; RENAN PEREIRA MARINATTI DA SILVA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; HELENA SARAIVA KOENOW PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; WALDIR DE CARVALHO JUNIOR, CNPS.
Date Issued:	2024
Citation:	Espaço Aberto, v. 14, n. 1, p. 157-174, 2024.
Description:	Conceitos em pedometria e técnicas de Machine Learning são cada vez mais utilizados na execução de levantamentos de solos, empregando procedimentos de mapeamento digital de solos. O objetivo do estudo foi avaliar o desempenho de modelos Multivariate Adaptive Regression Spline (MARS), Radial Support Vector Machine (SVMRadial) e Random Forest (RF), para predição espacial de Fe2O3, MnO, Nb e TiO2, em Morro dos Seis Lagos-AM, Brasil. A metodologia consistiu em: Revisão bibliográfica; Compilação dos dados geoquímicos; Tratamento e análise dos dados (input data); Seleção de covariáveis; Aplicação de algoritmos para predição de elementos; Obtenção dos mapas, análise dos resultados e interpretações. Os resultados demonstraram maior acurácia para a predição de teores de óxido de ferro (Fe2O3), manganês (MnO) e nióbio (Nb) com o modelo RF, já para titânio (TiO2), melhor desempenho foi observado com o modelo SVMRadial. As covariáveis morfométricas foram mais relevantes do que covariáveis derivadas de índices espectrais.
Keywords:	Pedometria Machine-Learning Áreas de Difícil Acesso Pedometrics Machine Learning Poorly-Accessible Areas
DOI:	https://doi.org/10.36403/espacoaberto.2024.60234
Notes:	Título em inglês: Digital mapping of Fe2O3, MnO, Nb and TiO2 contents in Morro Seis Lagos - AM, Brazil.
Type of Material:	Artigo de periódico
Access:	openAccess
Appears in Collections:	Artigo em periódico indexado (CNPS)