Mapeamento do Carbono Org��nico do Solo usando Sensoriamento Remoto Hiperespectral e ANN

O carbono orgânico do solo (SOC) é um indicador importante e fiável da qualidade do solo. Neste estudo os espectros do solo foram caracterizados e analisados para prever o conteúdo espacial de SOC utilizando a técnica de modelação preditiva multivariada - rede neural artificial (RNA). Foram gerados conjuntos de dados de imagens hiperespectrais EO1-Hyperion (400 - 2500 nm) à escala do campo e do laboratório (350 - 2500 nm) que consistem no teor de SOC estimado em laboratório das amostras de solo recolhidas (variável dependente) e nos dados de reflexão correspondentes das bandas espectrais sensíveis ao SOC (variáveis preditivas). Para cada conjunto de dados foram desenvolvidos modelos de previsão ANN e três conjuntos de dados (à escala da imagem à escala do campo e à escala do laboratório) revelaram desempenhos significativos da rede para treino teste e validação indicando uma boa generalização da rede para o teor de SOC. A análise baseada na RNA mostrou uma elevada previsão do teor de SOC à escala da imagem (R2 = 093 e RPD = 319) à escala do campo (R2 = 092 e RPD = 317) e à escala do laboratório (R2 = 095 e RPD = 316). Os resultados da validação da RNA indicaram que os modelos de previsão tiveram um bom desempenho (R2 = 090) com RMSE 0070. O resultado mostrou que os métodos ANN têm um grande potencial para estimar o teor de SOC.