Utilização de diferentes técnicas de machine learning no processo de determinação da emissão da CO2 do solo, em função dos atributos do sistema solo-planta-atmosfera

• Ano de defesa: 2022
• Autor(a) principal: Silva, Paulo Alexandre da [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Machine learning; Gases de efeito estufa; Respiração do solo; Emissão de CO2 do solo; Greenhouse gases; Soil respiration; Soil CO2 emission
• Link de acesso: https://hdl.handle.net/11449/259883; http://lattes.cnpq.br/9392990671396360; https://orcid.org/0000-0001-6079-8817

Neste trabalho, foram gerados modelos para predizer a emissão de CO2 do solo (FCO2), em função das variáveis que compõem o sistema solo planta-atmosfera, utilizando técnicas de machine learning em áreas agrícolas cultivadas com cana-de-açúcar, nos estados de São Paulo e Mato Grosso do Sul. Os estudos foram realizados a partir de um conjunto de dados, oriundos de experimentos conduzidos em áreas de cana-de-açúcar nos municípios de Guariba (SP), Pradópolis (SP) e Aparecida do Taboado (MS). As determinações da FCO2 foram registradas nas áreas de estudo pelo sistema LI-COR (LI-8100). No estudo 1 foi obtido o seguinte modelo mecanístico: FCO2 = 2,5938 + 0,0065*matéria orgânica prevista – 0,0401*porosidade livre d’água prevista. O valor do coeficiente de determinação do modelo foi de R2 = 0,824, e o seu respectivo valor ajustado foi R2ajustado = 0,807. No estudo 2 foram testados 11 algoritmos de machine learning para determinar a emissão do CO2 do solo, em função dos atributos que compõem o sistema solo-planta-atmo