Emissão de CO2 do solo em pastos degradado, manejado e consórcio silvipastoril no Cerrado

• Main Author: Souza, Luciano Duarte
• Publication Date: 2020
• Format: Doctoral thesis
• Language: por
• Source: Repositório Institucional da UNESP
• Download full: http://hdl.handle.net/11449/194432
• topic: Dinâmica do carbono; Respiração do solo; Efeito estufa; . Inteligência artificial; Atributos químicos do solo; Carbon dynamics; Soil respiration; Greenhouse effect; Artificial intelligence; Chemical attributes of the soil

Os diferentes ecossistemas agrícolas modificam a dinâmica do carbono do solo, expresso pelas variações temporais da emissão de CO2 do solo, enquanto as redes neurais geram modelos preditivo para explicar o padrão da variabilidade da emissão de CO2 do solo. Assim, o presente trabalho teve por objetivo caracterizar a variabilidade temporal da emissão de CO2, temperatura e umidade do solo, e analisar o uso de Redes Neurais Artificias na predição da variabilidade espacial – temporal da emissão de CO2 do solo em função dos atributos químicos do solo, na estação de inverno e verão, em área de pastagem degradada, pastagem recuperada e sistema silvipastoril na região do Cerrado Sul-mato-grossense. Os resultados permitiram concluir que a temperatura do solo e a umidade do solo influenciaram nas variações das emissões de CO2 do solo ao longo do tempo. A menor média de emissão de CO2 foi obtida em área de pastagem manejada (0,973 μmol m-2 s-1) no período de inverno, enquanto a maior média foi obtida no sistema silvipastoril (1,562 μmol m-2 s-1). O sistema silvipastoril no Cerrado apresentou os maiores valores de emissão total de CO2 (2,01 Mg ha-1) ao longo dos 35 dias de estudo na estação seca do ano. A análise de componentes principais apresenta-se como uma alternativa eficaz na discriminação de sistemas de produção e sua relação com as propriedades do solo. Este estudo mostrou que as RNAs forneceram modelos preditivos para explicar a variação espaço temporal da emissão de CO2. A complexidade das redes não influenciou na predição do CO2. O melhor desempenho foi observado no modelo individual na área de pastagem degradada com uma rede MLP. A umidade do solo e a temperatura contribuem para a explicação da variação temporal da respiração do solo.