Predição dos atributos do solo a partir de análise estatística multivariada baseada em espectroscopia de infravermelho próximo (NIRS) e imagem digital

• Autor(a) principal: Bovolenta, Yuri Renan
• Data de Publicação: 2024
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UEL
• Texto Completo: https://repositorio.uel.br/handle/123456789/13933
• topic: Quimiometria; Análise multivariada; Modelos matemáticos; Espectroscopia de infravermelho próximo; Chemometrics; Multivariate analysis; Mathematical models; Near infrared spectroscopy

Resumo: Uma produtividade adequada depende da qualidade do solo para o desenvolvimento das culturas, que influencia e agrega valor ao agronegócio, responsável por 27,4% do Produto Interno Bruto brasileiro em 221 Entretanto, as análises do solo, ainda são realizadas por métodos clássicos, que demandam demasiado tempo e utilizam grande quantidade de reagentes Desta forma, este estudo objetiva avaliar o desempenho de métodos rápidos alternativos ao emprego de métodos primários de referência Para isso, investigou-se a capacidade da espectroscopia no visível e infravermelho próximo (Vis-NIRS) associada a quimiometria, em efetuar a predição dos principais parâmetros analíticos do solo A escolha desta técnica foi feita por não exigir muitas etapas no processo de preparo da amostra, de forma a preservar as características físicas e químicas das amostras, eliminar o uso de reagentes e agilizar as determinações rotineiras, cuja demanda é crescente nos laboratórios de solo Para isso, buscou-se inicialmente determinar os valores dos principais parâmetros analíticos por suas respectivas técnicas primárias Em seguida, os espectros Vis-NIR foram obtidos em um equipamento de bancada, pelo uso de 2,5 g de terra fina seca ao ar, disposta em cela de quartzo do tipo spinning Os dados de toda a faixa espectral (4-25 nm) das 227 amostras de solo foram utilizados para a criação de um banco de dados Efetuou-se a segunda derivada como processamento dos dados dos espectros Vis-NIR Inicialmente, aplicou-se a análise de componentes principais (PCA) aos resultados das técnicas primárias e do Vis-NIR, para avaliar o potencial de separar em grupos, levando em conta sua classificação de textura (areia, silte e argila) Em seguida, criou-se três modelos estatísticos empregando-se: regressão por componentes principais (PCR); regressão por mínimos quadrados parciais (PLS) e regressão por mínimos quadrados parciais modificados (PLSM), para verificar os níveis de correlação e predição de matéria orgânica (MO), granulometria, soma de bases (SB), pH, acidez (H+Al), P, S, Ca, Mg e Saturação por bases (V%) Houve correlação entre os resultados preditos pelos modelos estatísticos PLS, PCR e PLMS validados e os resultados das técnicas primárias, com coeficientes de determinação linear (R2>,95) para silte, areia e argila Não houve diferença significativa em nível de 5%, quando comparados os coeficientes de variação de resultados primários, obtidos em ensaios de proficiência de laboratórios de referência em solo Conclui-se que, a aplicação Vis-NIR é viável e contribui na análise dos principais parâmetros analíticos do solo, considerando a simplicidade de operação, redução de mão-de-obra, maior frequência analítica e menor quantidade de passivo ambiental gerado pela redução de resíduos em laboratórios de análises químicas e agronômicas