Caracterização e mapeamento de solos ornitogênicos da Antártica Marítima: uma abordagem pedométrica

Descrição

A fosfatização, decorrente da dispersão de guano em colônias de pinguins nas áreas livres de gelo da Antártica, é um processo que promove alterações físico-químicas e mineralógicas, contribuindo para a formação de solos únicos naquele continente. Como consequência, áreas adjacentes a essas colônias apresentam elevadas concentrações de fósforo, bem como diferentes frações desse elemento no solo. Além das aves, mamíferos marinhos também podem modificar características edáficas, embora poucos estudos investiguem a participação desses animais nos processos de formação do solo. Técnicas como espectroscopia de reflectância e fluorescência de raios X (XRF) vêm sendo amplamente utilizadas por permitirem análises rápidas e não destrutivas, enquanto o uso de machine learning possibilita identificar padrões complexos e aprimorar o mapeamento digital de solos. Apesar dos avanços, ainda há lacunas sobre a variabilidade espacial de atributos do solo em áreas influenciadas por pinguins e mamíferos, bem como sobre a aplicação integrada de espectroscopia VIS-NIR-SWIR e XRF para compreender os processos pedogenéticos na Antártica. Visando contribuir com novas informações sobre solos ornitogênicos e para aperfeiçoamento de análises alternativas aos métodos tradicionais, o presente projeto tem como objetivo caracterizar espectralmente solos influenciados por pinguins e mamíferos e espacializar as diferentes frações de P no solo, integrando dados de sensores e análises laboratoriais a fim de avaliar os processos de fosfatização na ASPA de Lions Rump, Antártica Marítima. Para isso, será realizado o fracionamento sequencial de P para 156 amostras superficiais de solo (0 – 10 cm) e análises dos teores de elementos trocáveis, granulometria e varredura da composição elementar por XRF de 25 perfis de solos, ambos coletados no promontório de Lions Rump, localizado na ilha Rei George, Shetlands do Sul, Antártica Marítima. Para os perfis, ainda serão utilizados dados espectrais obtidos a partir do espectrorradiômetro ASD FieldSpec 4 Std, que captura valores de resposta dos comprimentos de onda VIS-NIR-SWIR (350 ~ 2500 nm). De posse dos dados, serão elaborados modelos de machine learning em ambiente R. O primeiro modelo será construído com os dados físico-químicos, composição elementar e de reflectância dos perfis, e será aplicado o coeficiente de correlação de Spearman para obtenção da intensidade da correlação entre a reflectância dos solos e os dados de composição elementar, carbono orgânico e granulometria de cada horizonte. Adicionalmente, a partir de regressão não-linear serão desenvolvidas funções para prever atributos do solo por meio dos comprimentos de onda de maior correlação. O segundo modelo será baseado no algoritmo de machine learning Random Forest e serão utilizados os dados do fracionamento de P, ortomosaicos obtidos por drone, Modelo Digital de Elevação (MDE), variáveis morfométricas e índices espectrais. Esse conjunto de dados será submetido a filtragem para a remoção de dados sem variância, seleção de variáveis mais importantes e separação de amostras para treinamento e teste. Após a elaboração, o modelo será executado por 100 vezes e os testes de performance raiz do erro quadrático médio (RMSE), coeficiente de correlação de concordância de Lin (LCCC), erro médio absoluto (MAE) e R-quadrado (R2) serão aplicados para assegurar a confiabilidade. Espera-se que os resultados auxiliem na análise detalhada de solos e ambientes sob condições de fosfatização tal como no aprimoramento de bibliotecas espectrais de solos, servindo como base para estudos futuros acerca de processos pedogenéticos no ambiente antártico.

Palavras-chave

• Espectroscopia
• Fluorescência de raios-X
• Fósforo.

Grupo de pesquisa

Núcleo TERRANTAR

Financiamento

Com financiamento