Yuri Gelsleichter

A reprodutibilidade na ciência precisa ser padronizada com protocolos e checklists

A reprodutibilidade é essencial para a qualidade da Pesquisa e Inovação (P&I) mas atualmente é limitada. No projeto meu papel é testar e contribuir para a reprodutibilidade computacional, buscando desenvolver protocolos e check lists para melhoria em P&I.

O incrível desse projeto foi aplicar sensoriamento remoto proximal em imagens de satélite para quase dobrar a capacidade preditiva do modelo

Os produtos de Sensoriamento Remoto são aplicáveis para a predição espacial das propriedades do solo, no processo chamado Mapeamento Digital do Solo (DSM).

O objetivo do estudo foi combinar os espectros Vis-SWIR do laboratório de solo com a técnica DSM para criar novas imagens hiperespectrais para usar como covariáveis em um novo método de mapeamento de solo.

As vantagens do método foram demonstradas ao longo da predição espacial do teor de Carbono Total em solos da parte alta do Parque Nacional do Itatiaia. Usando informações dos espectros Vis-SWIR do horizonte superior do solo de 72 pontos na parte superior do INP, 130 imagens hiperespectrais foram geradas, ou seja, imagem hiperespectral de subsuperfície. Os métodos de validação foram validação cruzada (CV) de 8 vezes e validação externa executados usando o algoritmo Random Forest.

O DSM atinge um coeficiente médio de determinação (R2) na CV de 0,39 e Root Mean Square Error (RMSE) de 4,6, enquanto a criação de um novo modelo com um conjunto de imagens hiperespectrais deu um CV R2 de 0,60 e RMSE de 4,06.

O método pode ser aplicado em áreas densas ou com pouca vegetação, para fins agrícolas ou de conservação, para diversas propriedades do solo, com todos e cada comprimento de onda.