Desenvolvimento de funções de pedotransferência para estimativa de propriedades físico-hídricas do solo do bioma cerrado

• Autor(a) principal: Veloso, Mariana Faria
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: https://locus.ufv.br//handle/123456789/29891; https://doi.org/10.47328/ufvbbt.2021.086
• topic: Desenvolvimento de recursos hídricos; Irrigação; Hidrologia; Aprendizado do computador; Engenharia de Água e Solo

O Cerrado é a principal região agrícola do Brasil, sendo responsável por uma grande parte da produção de alimentos no país. A falta de dados na escala apropriada sobre os solos da região tem trazido incertezas aos processos de gestão dos recursos hídricos. A obtenção de determinadas propriedades físico-hídricas do solo, como, por exemplo, a condutividade hidráulica do solo saturado (Ks) e a curva de retenção de água, são trabalhosas e custosas, abrindo oportunidade para o uso das Funções de Pedotransferência (FPTs). O objetivo desta dissertação foi desenvolver para o Bioma Cerrado, FPTs para estimar a Ks, as umidades do solo nas tensões de 0, 6, 10, 33, 100 e 1500 kPa e os parâmetros de ajuste da curva de retenção. A partir de diferentes combinações de dados pedológicos, teores de areia, silte e argila, densidade do solo, densidade de partícula, porosidade, microporosidade, macroporosidade, umidade do solo na capacidade de campo (CC) e umidade do solo no ponto de murcha permanente (PMP), as FPTs foram desenvolvidas incorporando tais conjuntos em cinco modelos de aprendizado de máquina: Regressão Linear Múltipla (RLM), Multivariate Adaptative Regression Splines (MARS), Random Forest (RF), Support Vector Regression (SVR) e K Nearest Neightbors (KNN). As FPTs desenvolvidas para Ks apresentaram capacidade preditiva mediana, já para as umidades do solo, os modelos apresentaram valores de RMSE e ME próximos de zero e valores de R² superiores a 0,8. No ajuste da curva de retenção, o modelo de van Genuchten (1980) apresentou o melhor desempenho e as FPTs desenvolvidas para os parâmetros, umidade de saturação e umidade residual, apresentaram R² iguais a 0,76 e 0,42, respectivamente, e baixos valores de RMSE e ME. Já para os parâmetros, α e n, observou-se baixa capacidade preditiva das FPTs. Os algoritmos RF e SVR apresentaram os melhores desempenhos dentre os modelos avaliados e as variáveis preditoras CC e PMP demostraram importância no desenvolvimento das FPTs. Palavras-chave: Recursos Hídricos. Hidrologia. Irrigação. Aprendizado de máquina.