Pesquisa, com a co-autoria de pesquisador do INPE, propõe novos modelos para estimar densidade do solo no Brasil e melhorar o cálculo de estoques de carbono
Foto da Capa : Figura 1 do artigo que mostra a Distribuição geográfica dos pontos de amostragem para a densidade volumétrica do solo medida em todo o território brasileiro
O artigo apresenta um avanço importante na predição da densidade do solo (ρb) em solos brasileiros, com foco em melhorar a estimativa dos estoques de carbono orgânico do solo (SOC). A densidade do solo é um parâmetro essencial para calcular estoques de carbono, mas sua medição direta é trabalhosa e cara. O estudo reuniu um extenso banco de dados com mais de 16 mil amostras de todo o país, abrangendo diversos biomas, classes de solo, tipos de uso da terra e profundidades. A partir dessa base, os autores desenvolveram e compararam três modelos de pedotransferência (PTFs): dois baseados em regressão linear múltipla (com e sem variáveis categóricas) e um usando a técnica de Random Forest (RF), um método de aprendizado de máquina.
Os resultados mostraram que o modelo Random Forest (PTF-3) teve o melhor desempenho na predição da densidade do solo, superando os modelos lineares tradicionais, com um coeficiente de determinação (R²) de 0,75. O modelo também foi o mais eficaz na estimativa dos estoques de carbono em diferentes biomas e usos da terra. Os principais fatores que influenciam a densidade do solo incluem proporções de areia, silte e argila (especialmente após transformações logarítmicas), teor de carbono orgânico, profundidade de amostragem e variáveis ambientais como altitude, temperatura, precipitação e tipo de cobertura vegetal. O estudo destacou a importância de considerar não apenas propriedades físicas e químicas do solo, mas também fatores climáticos e topográficos para melhorar a precisão dos modelos.
Além disso, os autores aplicaram os modelos desenvolvidos para estimar estoques de SOC em profundidades padronizadas (0–30 cm) em diferentes biomas, comparando os resultados com estimativas baseadas em funções anteriores da literatura. O modelo RF demonstrou menor erro médio e maior capacidade de reproduzir os valores observados. Em algumas regiões, como o Cerrado e a Amazônia, os estoques estimados foram mais próximos dos valores reais, inclusive com melhor desempenho em áreas de uso agrícola. Isso mostra que as novas abordagens podem ser ferramentas eficazes para inventários de carbono e monitoramento ambiental em larga escala, especialmente diante das mudanças climáticas e das pressões sobre o uso da terra no Brasil.
O artigo conclui que os modelos propostos, especialmente o baseado em Random Forest, oferecem uma alternativa robusta e precisa para a estimativa da densidade do solo e dos estoques de carbono, contribuindo para a formulação de políticas públicas, estratégias de mitigação de emissões e o cumprimento de compromissos internacionais relacionados à sustentabilidade e ao clima.
Redes Sociais