Identificação

Instituição: Universidade Estadual de Campinas
Unidade: Faculdade de Engenharia Agrícola
Carga horária: 12 horas (AT = 3; AP = 9)
Nível: Pós-graduação
Instrutor: Alessandro Samuel-Rosa
Material: https://github.com/samuel-rosa/feagri-dsm-workshop

Calendário de aulas

Data: 25 e 26 de janeiro de 2019
Horário: 09:00-12:30 (25/01), 14:00-19:00 (25/01), 14:30-18:00 (26/01)
Local: Laboratório de Geoprocessamento

Objetivos

Os objetivos da oficina são os seguintes:

• Revisar os fundamentos da formação do solo e os fatores ambientais que interferem sobre ela em áreas de produção agrícola.
• Conhecer as bases do mapeamento digital do solo.
• Compreender como covariáveis ambientais podem ser usadas, em modelos de predição espacial do solo, para representar os fatores ambientais que interferem sobre a formação do solo em áreas de produção agrícola.
• Conhecer técnicas avançadas de aprendizado de máquina que podem ser utilizadas para a predição espacial do solo na agricultura de precisão.
• Explorar a validação cruzada como técnica de avaliação da qualidade das predições espaciais do solo na agricultura de precisão.

Conteúdo

1. Gênese e distribuição espacial do solo
   • Fatores de formação do solo: o modelo clorpt
     • Derivation of state factor equations of soils and ecosystems (Jenny, 1961)
   • Processos gerais de formação do solo: adições, perdas, translocações e transformações
     • Outline of a generalized theory of soil genesis (Simonson, 1959)
   • Autocorrelação espacial: semivariograma
     • How geostatistics can help you (Oliver e Webster, 1991)
2. Covariáveis ambientais
   • Indicadores dos fatores de formação do solo
     • Do more detailed environmental covariates deliver more accurate soil maps? (Samuel-Rosa et al., 2015)
   • Clima e material de origem: mapas meteorológico e geológico
   • Relevo: modelo digital de elevação e atributos derivados
   • Organismos: vegetação (imagens de orbitais e suborbitais) e ação antrópica (mapas de manejo do solo)
   • Solo: sensores proximais mapas de propriedades do solo
3. Aprendizado de máquina
   • Correlação ambiental
     • Soil attribute prediction using terrain analysis (Moore et al., 1993)
   • Métodos de aprendizado de máquina: regressão linear múltipla, árvore de regressão e floresta aleatória
     • Induction of decision trees (Quinlan, 1986)
     • Random forests (Breiman, 2001)
4. Modelo linear misto de variação espacial
   • Efeitos fixos e aleatórios: o modelo scorpan
     • On digital soil mapping (McBratney et al., 2003)
   • Calibração, predição e validação
     • On spatial prediction of soil properties in the presence of a spatial trend: the empirical best linear unbiased predictor (E-BLUP) with REML (Lark et al., 2006)
     • Sampling for validation of digital soil maps (Brus et al., 2011)
5. Atividades práticas