Key points are not available for this paper at this time.
Estudos piloto demonstraram o potencial do sensoriamento remoto para mapeamento de carbono orgânico do solo (COS) em terras agrícolas expostas. No entanto, o uso de sensoriamento remoto para predição de COS é frequentemente impedido por fatores perturbadores na superfície do solo, como vegetação fotossinteticamente ativa e não ativa, variações na umidade do solo ou rugosidade da superfície. Com o aumento da quantidade de dados de satélite disponíveis gratuitamente, estudos recentes concentraram-se em estabilizar a reflectância do solo construindo compósitos de imagens. Esses compósitos tendem a minimizar os efeitos perturbadores aplicando conjuntos de critérios. Aqui, nosso objetivo é desenvolver um método robusto que permita a seleção de pixels do Sentinel-2 (S-2) com influência mínima dos seguintes fatores perturbadores: resíduos de cultura, rugosidade da superfície e umidade do solo. Selecionamos todas as imagens do S-2 sem nuvens cobrindo o Cinturão de Solo Argiloso da Bélgica de janeiro de 2019 a dezembro de 2020 (um total de 36 imagens). Em seguida, construímos nove compósitos de solo exposto com base em quatro conjuntos de critérios: (1) menor Razão de Queima Normalizada (NBR2), (2) Índice de Vegetação por Diferença Normalizada (NDVI) 0,25). Em seguida, construímos um modelo de regressão de mínimos quadrados parciais (PLSR) com validação cruzada de 10 vezes para estimar o conteúdo de COS com base em 137 amostras de calibração georreferenciadas nos nove compósitos. Obtivemos resultados insatisfatórios (R2 2,50 g C kg–1, e RPD 68) para todos os compósitos, exceto para o compósito na fase de ‘verde’ com NBR2 < 0,07 (R2 = 0,54 ± 0,12, RPD = 1,68 ± 0,45 e RMSE = 2,09 ± 0,39 g C kg–1, n = 49). Portanto, o método ‘verde’ combinado com um limite NBR2 rigoroso permite selecionar os pixels de solo exposto mais puros adequados para predição de COS. O limite deste método pode ser sua cobertura da área total de cultivo, que em um período de dois anos alcançou 62%, comparado a 95% de cobertura se apenas o limite de NDVI é aplicado.
Dvorakova et al. (Ter,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: