Autoria: SILVA-SANGOI, D. V. DA; MOURA-BUENO, J. M.; DALMOLIN, R. S. D.; GEBLER, L.

Resumo: Os teores de argila e de matéria orgânica do solo (MOS) são propriedades importantes que determinam a qualidade dele. Conhecer esses teores no solo está relacionado a uma série de processos de interesse agrícola e ambiental. Por isso, mapear detalhadamente essas propriedades em vinhedos é o ideal, porém pode demandar custos elevados com as amostragens e análises de solos. A análise de espectroscopia do solo (Vis-NIR-SWIR – 350-2.500 nm) aliada a análises laboratoriais convencionais pode ser uma estratégia para a redução desses custos, pois ela tem grande potencial na avaliação do teor de argila e MOS para uso na vitivinicultura de precisão. Assim, o objetivo deste estudo foi avaliar o potencial de modelos de espectroscopia Vis-NIR-SWIR para predição espacial do teor de argila e MOS de solos em área de vitivinicultura. Isso foi realizado considerando um conjunto de dados de solo de uma pequena área vitivinícola de 3 ha no município de Muitos Capões, região sul do Brasil. Amostras de solo foram coletadas em 74 locais em duas profundidades (0,00-0,20 m e 0,20-0,40 m), totalizando 148 amostras de solo. Nas amostras de solo foram realizadas a determinação do teor de argila e MOS e também leituras em espectroradiômetro na faixa Vis-NIR-SWIR. Os dados espectrais foram submetidos a três técnicas de pré-processamento (suavização – SMO, Savitzky-Golay com primeira derivada – SGD e Binning – BIN). Posteriormente, esses dados foram usados para treinar modelos espectrais. Na etapa de calibração, três aprendizados de máquina foram testados: cubista – CUB, floresta aleatória – RF e regressão por mínimos quadrados parciais – PLSR. A partir dos teores de argila e MOS determinados em laboratório (MOS pelo método de combustão por via úmida) e valores preditos pelos modelos de espectroscopia Vis-NIR-SWIR, foram gerados mapas da variação espacial desses atributos. Dentre os modelos de espectroscopia Vis-NIR-SWIR, o modelo RF com SGD apresentou o melhor desempenho por validação cruzada (cv) para argila, com R2cv = 0,95 e RMSEcv = 1,06%, e o PLSR com SGD para MOS com R2cv = 0,98 e RMSEcv = 0,07%. Os dados preditos pela espectroscopia Vis-NIRS-WIR preservaram a estrutura espacial dos dados obtidos pelos métodos convencionais. A modelagem de espectroscopia Vis-NIR-SWIR foi mais eficiente na predição da MOS, enquanto a interpolação espacial foi mais eficaz na predição da argila. Dados preditos por espectroscopia Vis-NIR-SWIR com menor acurácia aumentaram os erros das predições espaciais. A técnica de espectroscopia Vis-NIR-SWIR mostrou ter potencial para gerar mapas detalhados do teor argila e MOS para o uso na vitivinicultura de precisão. Palavras-chave: espectroscopia Vis-NIR-SWIR; krigagem; teor de argila; matéria orgânica do solo; vitivinicultura de precisão. ABSTRACT Soil organic matter (SOM) and clay contents are important properties that determine soil quality. Knowing their contents in the soil is related to a series of processes of agricultural and environmental interest. Thus, mapping these properties in vineyards in detail is ideal but it can have high costs for sampling and soil analysis. An analysis labospectrum analysis (Vis-NIR-SWIR - 350-2500 nm) combined as an experimental method of choice can be a strategy to reduce these costs, as it has great potential to estimate clay and SOM content for precision viticulture.. Thus, the objective of this study was to evaluate the potential of Vis-NIR-SWIR spectroscopy models for spatial prediction of clay and SOM content of soils in a wine-growing area. This was carried out considering a soil dataset of a small winegrowing area of 3 ha in the municipality of Meus Capões, in the southern region of Brazil. Soil samples were collected at 74 sites at two depths (0,00-0,20 m e 0,20-0,40 m) depth, totaling 148 soil samples. In the soil samples, the determination of clay and MOS content and spectroradiometer readings in the Vis-NIR-SWIR range were performed. Spectral data were subjected to three preprocessing techniques (smoothing - SMO; Savitzky-Golay with first derivative - SGD; Binning - BIN). Subsequently, these data were used to train spectral models. In the calibration stage, three machine learnings were tested: Cubist-CUB; Random Forest-RF; and Partial Least Squares egression-PLSR. From the clay and MOS data determined in the laboratory (traditional wet chemistry) and predicted by the Vis-NIR-SWIR spectroscopy models, spatial prediction maps of these attributes were generated. Among the Vis-NIR-SWIR spectroscopy models, the RF + SGD model showed the best cross-validation performance for clay, with R2cv = 0.95 and RMSEcv = 1.06%, and the PLSR + SGD for SOM, with R2cv = 0.98 and RMSEcv = 0.07%. Data predicted by Vis-NIRS-WIR spectroscopy preserved the spatial structure of data obtained by traditional wet chemical analysis. Vis-NIR-SWIR spectroscopy modeling was more efficient in predicting SOM, while spatial interpolation was more efficient in predicting clay. Data predicted by V

Ano de publicação: 2024

Tipo de publicação: Parte de livro (capítulos de livros, trabalhos e resumos publicados em anais ou em coletâneas)

Unidade: Embrapa Uva e Vinho

Palavras-chave: Clay content, Espectroscopia Vis-NIR-SWIR, Krigagem, Kriging, Matéria orgânica do solo, Precision viticulture, Soil organic matter, Teor de argila, Vis-NIR-SWIR spectroscopy, Vitivinicultura de precisão