Mapeamento do Carbono Orgânico do Solo usando Sensoriamento Remoto Hiperespectral e ANN

O carbono org滱ico do solo (SOC) ?um indicador importante e fi嫛el da qualidade do solo. Neste estudo, os espectros do solo foram caracterizados e analisados para prever o conteo espacial de SOC, utilizando a t嶰nica de modela誽o preditiva multivariada - rede neural artificial (RNA). Foram gerados conjuntos de dados de imagens hiperespectrais EO1-Hyperion (400 - 2500 nm), ?escala do campo e do laborat鏎io (350 - 2500 nm), que consistem no teor de SOC estimado em laborat鏎io das amostras de solo recolhidas (vari嫛el dependente) e nos dados de reflex緌 correspondentes das bandas espectrais sens癉eis ao SOC (vari嫛eis preditivas). Para cada conjunto de dados, foram desenvolvidos modelos de previs緌 ANN e tr瘰 conjuntos de dados (?escala da imagem, ?escala do campo e ?escala do laborat鏎io) revelaram desempenhos significativos da rede para treino, teste e valida誽o, indicando uma boa generaliza誽o da rede para o teor de SOC. A an嫮ise baseada na RNA mostrou uma elevada previs緌 do teor de SOC ?escala da imagem (R2 = 0,93 e RPD = 3,19), ?escala do campo (R2 = 0,92 e RPD = 3,17) e ?escala do laborat鏎io (R2 = 0,95 e RPD = 3,16). Os resultados da valida誽o da RNA indicaram que os modelos de previs緌 tiveram um bom desempenho (R2 = 0,90) com RMSE 0,070. O resultado mostrou que os m彋odos ANN t瘱 um grande potencial para estimar o teor de SOC.