Mapeamento Digital dos Teores de Fe2O3, MnO, Nb e TiO2 em Morro dos Seis Lagos – AM, Brasil

• Published in: Espaço Aberto Vol. 14; no. 1; pp. 157 - 174
• Main Authors: Rodrigues, Niriele Bruno, Silva, Júlio Cesar Lopes da, Marinatti da Silva, Renan Pereira, Koenow Pinheiro, Helena Saraiva, Júnior, Waldir de Carvalho
• Format: Journal Article
• Language: Portuguese
• Published: 15-05-2024
• ISSN: 2236-1367; 2237-3071
• DOI: 10.36403/espacoaberto.2024.60234

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.
Concepts in pedometrics and Machine Learning techniques are increasingly used in the execution of soil surveys, employing digital soil mapping procedures. The objective of the study was to evaluate the performance of Multivariate Adaptive Regression Spline (MARS), Radial Support Vector Machine (SVMRadial) and Random Forest (RF) models, for spatial prediction of Fe2O3 , MnO, Nb and TiO2 , in the Morro dos Seis Lagos-AM, Brazil.The methodology consisted of: Thematic review; Compilation of geochemical data; Treatment and analysis of data (input data); Selection of covariates; Application of algorithms for prediction of elements; obtaining the maps, analysis of results and interpretations.The results showed greater accuracy for the prediction of iron oxide (Fe2O3), manganese (MnO) and niobium (Nb) contents, with the RF model, while for titanium (TiO2), better performance was observed with the SVMRadial model. Morphometric covariates were more relevant than covariates derived from spectral indices.