Previsão do estoque de carbono do solo com base em aprendizagem de máquina

• Processo: 19/22956-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Data de Início da vigência: 01 de setembro de 2021
• Data de Término da vigência: 28 de fevereiro de 2022
• Área de conhecimento: Ciências Agrárias - Agronomia - Ciência do Solo
• Pesquisador responsável: Newton La Scala Júnior
• Beneficiário: Camila Viana Vieira Farhate
• Supervisor: Asim Biswas
• Instituição Sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
• Instituição Anfitriã: University of Guelph, Canadá
• Vinculado à bolsa: 18/14958-5 - Expansão do canavial sob diferentes sistemas de manejos: um estudo de longa duração, BP.PD
• Assunto(s): Física do solo Dinâmica do carbono Manejo do solo Conservação do solo Cana-de-açúcar Prevenção e mitigação Mudança climática
• Palavra(s)-Chave do Pesquisador: sugarcane | Física do solo; Manejo e Conservação do Solo

Resumo

Compreender os mecanismos e interações que governam a dinâmica do carbono do solo é essencial para mitigar as mudanças climáticas e aumentar a produção mundial de alimentos. Nesse contexto, neste projeto, objetivamos avaliar o desempenho de dois conjuntos de classificadores, bagging e boosting, para reconhecer padrões e prever o estoque de carbono do solo e suas variações no tempo e no espaço, em áreas de cana-de-açúcar sob diferentes plantas de cobertura e preparo do solo no Brasil. Esta proposta de pesquisa será iniciada após um estágio de seis meses na Universidade de Bolonha - Itália, cujo objetivo será calibrar e avaliar os modelos de dinâmica de carbono do solo usando a biblioteca de software UNIMI.CRONO. Em seguida, por um período de seis meses, sob a supervisão do professor Dr. Asim Biswas, da Universidade de Guelph - Canadá, pretende-se usar o mesmo conjunto de dados para avaliar o desempenho dos algoritmos bagging e boosting para combinar classificadores individuais (classificadores base), como Redes Neurais Artificiais, Floresta Aleatória, Regressão Logística e Máquinas de Vetor de Suporte (SVM) para prever o estoque de carbono no solo. Após um período de 12 meses, esperamos encontrar as melhores soluções de modelagem para entender e prever a dinâmica do carbono em áreas de cana-de-açúcar em condições tropicais. Além disso, compartilharemos esses resultados por meio de palestras, conversas, artigos e conferências. (AU)