Acoplamento de geoestatística e MLA para modelagem e previsão da dinâmica espaço-temporal de estoques, drivers e trade-offs de SOC em sistemas agrícolas integrados brasileiros

• Processo: 23/05122-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Data de Início da vigência: 01 de novembro de 2023
• Data de Término da vigência: 31 de outubro de 2024
• Área de conhecimento: Ciências Agrárias - Agronomia - Ciência do Solo
• Pesquisador responsável: Maurício Roberto Cherubin
• Beneficiário: Chukwudi Nwaogu
• Supervisor: Budiman Minasny
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Instituição Anfitriã: University of Sydney, Austrália
• Vinculado à bolsa: 21/11757-1 - Avaliação dos estoques de carbono do solo em sistemas agrícolas integrados no Brasil: uma abordagem geoinformática, BP.PD
• Assunto(s): Carbono orgânico Qualidade do solo Uso do solo Mapeamento do solo
• Palavra(s)-Chave do Pesquisador: C-stocks | Geostatistics | integrated agricultural systems | machine learning | Scorpan | Soil digital modelling | geostatistics

Resumo

O carbono orgânico do solo (SOC) é vital para os processos biológicos, químicos e físicos do solo, fornece informações essenciais sobre as mudanças na qualidade do solo e no uso da terra, além de controlar a produção de alimentos e as mudanças climáticas. A avaliação da dinâmica SOC e seus drivers é essencial para melhorar o sequestro de C do solo em sistemas agrícolas integrados (IAS). Este estudo aplica técnicas avançadas de mapeamento digital de solo (DSM), como geoestatística e algoritmos de aprendizado de máquina (MLA), para modelar e prever a dinâmica espaço-temporal dos estoques e drivers SOC no IAS brasileiro nas últimas 3 décadas. O estudo identifica e mapeia a distribuição das IAS no Brasil. Combinando diferentes conjuntos de dados relevantes sobre solo e covariáveis ambientais (por exemplo, SCORPAN) da biblioteca brasileira de espectros de solo (BSSL), dados legados, dados de sensoriamento remoto e usando métodos de aprendizado de máquina, o estudo modela e prevê o estoque SOC no IAS adotado no Brasil. Também determina a influência das variáveis ambientais na distribuição dos estoques de SOC especialmente na camada superficial do solo (0-30cm). Este estudo determina ainda o(s) melhor(es) modelo(s) de previsão SOC testando diferentes MLA (redes neurais artificiais, máquinas de vetores de suporte, floresta aleatória, regressão linear múltipla, árvores de regressão impulsionadas e cubista). As conclusões do estudo aumentarão o conhecimento das partes interessadas nos sistemas de produção de solo-clima-alimentos sobre o estoque de SOC em IAS. Além disso, apoiará o governo brasileiro na formulação, definição e reestruturação de políticas relevantes de uso da terra e sequestro de carbono para atender às Contribuições Nacionalmente Determinadas (NDCs) contidas no Acordo de Paris. A saída deste projeto pode contribuir para a linha de base dos estoques SOC para o país. (AU)