Upload
alessandro-samuel-rosa
View
291
Download
3
Embed Size (px)
Citation preview
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Contribuição à Construção de Modelos de Prediçãode Propriedades do Solo
Apresentação de Projeto de Doutoramento, Disciplina IA/1306 �Seminário em Ciência do Solo
Alessandro Samuel-Rosa
Comitê de OrientaçãoDrª. Lúcia Helena Cunha dos Anjos (UFRRJ)
Dr. Gustavo de Mattos Vasques (Embrapa Solos)Dr. Gerard B. M. Heuvelink (ISRIC - Holanda)
Seropédica, 24 de outubro de 2013.
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Informação de Solo
Demanda por informação de solo no mundo: Aliança Globalpelo Solo (FAO)
Mapeamento Digital do Solo (MDS): utilização de técnicaspedométricas para o mapeamento do solo
Técnicas Pedométricas: matemática + estatística +informática + expert knowledge
Ênfase na quanti�cação dos erros, estimativa da incerteza ereprodutibilidade
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Informação de Solo
Demanda por informação de solo no mundo: Aliança Globalpelo Solo (FAO)
Mapeamento Digital do Solo (MDS): utilização de técnicaspedométricas para o mapeamento do solo
Técnicas Pedométricas: matemática + estatística +informática + expert knowledge
Ênfase na quanti�cação dos erros, estimativa da incerteza ereprodutibilidade
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Informação de Solo
Demanda por informação de solo no mundo: Aliança Globalpelo Solo (FAO)
Mapeamento Digital do Solo (MDS): utilização de técnicaspedométricas para o mapeamento do solo
Técnicas Pedométricas: matemática + estatística +informática + expert knowledge
Ênfase na quanti�cação dos erros, estimativa da incerteza ereprodutibilidade
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Informação de Solo
Demanda por informação de solo no mundo: Aliança Globalpelo Solo (FAO)
Mapeamento Digital do Solo (MDS): utilização de técnicaspedométricas para o mapeamento do solo
Técnicas Pedométricas: matemática + estatística +informática + expert knowledge
Ênfase na quanti�cação dos erros, estimativa da incerteza ereprodutibilidade
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Construção de Modelos Preditivos
Modelo conceitual de pedogênese: Representação verbal �>Representação matemática �> Representação computacional
Análise dos dados �> Predições �> Validação estatística
Reformulação do modelo conceitual de pedogênese
População de sistemas de informação espacial
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Construção de Modelos Preditivos
Modelo conceitual de pedogênese: Representação verbal �>Representação matemática �> Representação computacional
Análise dos dados �> Predições �> Validação estatística
Reformulação do modelo conceitual de pedogênese
População de sistemas de informação espacial
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Construção de Modelos Preditivos
Modelo conceitual de pedogênese: Representação verbal �>Representação matemática �> Representação computacional
Análise dos dados �> Predições �> Validação estatística
Reformulação do modelo conceitual de pedogênese
População de sistemas de informação espacial
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Construção de Modelos Preditivos
Modelo conceitual de pedogênese: Representação verbal �>Representação matemática �> Representação computacional
Análise dos dados �> Predições �> Validação estatística
Reformulação do modelo conceitual de pedogênese
População de sistemas de informação espacial
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Construção de Modelos Preditivos
Modelo conceitual de pedogênese: Representação verbal �>Representação matemática �> Representaçãocomputacional
Análise dos dados �> Predições �> Validação estatística
Reformulação do modelo conceitual de pedogênese
População de sistemas de informação espacial
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Fontes de Incerteza
Observações de calibração (número, distribuição espacial,custo �nanceiro)
Co-variáveis ambientais (acurácia, número, diversidade,resolução espacial, multicolinearidade)
Estrutura do modelo (linear, não-linear)
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Fontes de Incerteza
Observações de calibração (número, distribuição espacial,custo �nanceiro)
Co-variáveis ambientais (acurácia, número, diversidade,resolução espacial, multicolinearidade)
Estrutura do modelo (linear, não-linear)
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Construção de Modelos PreditivosFontes de Incerteza
Fontes de Incerteza
Observações de calibração (número, distribuição espacial,custo �nanceiro)
Co-variáveis ambientais (acurácia, número, diversidade,resolução espacial, multicolinearidade)
Estrutura do modelo (linear, não-linear)
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Objetivos
Objetivo geral: avaliar as principais fontes de incerteza paraentender como elas contribuem para o orçamento do erro noMDS em diferentes cenários de bancos de dados.
Objetivos especí�cos:1 Identi�car tamanhos apropriados de conjuntos de observações
de calibração;2 Determinar a acurácia das co-variáveis ambientais disponíveis
gratuitamente;3 Identi�car métodos apropriados de seleção de co-variáveis
ambientais para modelos lineares;4 Avaliar o efeito da correlação entre as co-variáveis ambientais
na acurácia preditiva de modelos lineares;5 Identi�car cenários em que modelos não-lineares são mais
e�cientes que modelos lineares.
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Objetivos
Objetivo geral: avaliar as principais fontes de incerteza paraentender como elas contribuem para o orçamento do erro noMDS em diferentes cenários de bancos de dados.
Objetivos especí�cos:1 Identi�car tamanhos apropriados de conjuntos de observações
de calibração;2 Determinar a acurácia das co-variáveis ambientais disponíveis
gratuitamente;3 Identi�car métodos apropriados de seleção de co-variáveis
ambientais para modelos lineares;4 Avaliar o efeito da correlação entre as co-variáveis ambientais
na acurácia preditiva de modelos lineares;5 Identi�car cenários em que modelos não-lineares são mais
e�cientes que modelos lineares.
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Questões de Pesquisa (1)
Qual é o efeito do tamanho do conjunto de calibração e dodesign amostral na acurácia preditiva e custo monetário doMDS?
Quão acuradas são as co-variáveis ambientais disponíveisgratuitamente e quanta redução na incerteza é obtida quandoco-variáveis ambientais mais acuradas são usadas?
Qual é o efeito do número de co-variáveis ambientais naacurácia preditiva de modelos lineares e como os métodos deseleção de co-variáveis ambientais se comportam em diferentescenários de bancos de dados?
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Questões de Pesquisa (1)
Qual é o efeito do tamanho do conjunto de calibração e dodesign amostral na acurácia preditiva e custo monetário doMDS?
Quão acuradas são as co-variáveis ambientais disponíveisgratuitamente e quanta redução na incerteza é obtida quandoco-variáveis ambientais mais acuradas são usadas?
Qual é o efeito do número de co-variáveis ambientais naacurácia preditiva de modelos lineares e como os métodos deseleção de co-variáveis ambientais se comportam em diferentescenários de bancos de dados?
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Questões de Pesquisa (1)
Qual é o efeito do tamanho do conjunto de calibração e dodesign amostral na acurácia preditiva e custo monetário doMDS?
Quão acuradas são as co-variáveis ambientais disponíveisgratuitamente e quanta redução na incerteza é obtida quandoco-variáveis ambientais mais acuradas são usadas?
Qual é o efeito do número de co-variáveis ambientais naacurácia preditiva de modelos lineares e como os métodos deseleção de co-variáveis ambientais se comportam em diferentescenários de bancos de dados?
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Questões de Pesquisa(2)
Quão correlacionadas são as co-variáveis ambientais usadaspara construir modelos de MDS? A acurácia preditiva éaumentada quando as co-variáveis ambientais sãotransformadas para suas componentes principais?
Em quais cenários modelos não-lineares produzem prediçõesmais acuradas do que modelos lineares?
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
ObjetivosQuestões de Pesquisa
Questões de Pesquisa(2)
Quão correlacionadas são as co-variáveis ambientais usadaspara construir modelos de MDS? A acurácia preditiva éaumentada quando as co-variáveis ambientais sãotransformadas para suas componentes principais?
Em quais cenários modelos não-lineares produzem prediçõesmais acuradas do que modelos lineares?
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Banco de Dados (1)
Study area location
E (deg)
N (
deg)
−30
−20
−10
0
−70 −60 −50 −40 −30
●
Study area
226000 227000 228000 229000 230000 231000 232000
6716
000
6717
000
6718
000
6719
000
6720
000
6721
000
6722
000
Location of the sample points
Black: calibration (340); Red: validation (60)E (m)
N (
m)
●●●●
●
●●
●●●●
●●●●
●●●●
●
●
●●
●
●●
●●
●
●●
●
●
●
●
● ●
●
●●
●
●●●●●
●●●
● ●● ●
●
●●
●●
●
●●
●●●
●●●●
●●
● ●
●
●
●
●
●●
●
●●
●●
●
●●
●
●●
●
●
●
●
●●
●
●●
●
●
●●
●
●
●●
●●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●●
● ● ● ●
●
●
●●●
●
● ●
●●
●
●
●●
●●
●●
●
●●
●
●●
●
● ●
●
●
●●
●●
●
● ●
●
●
●
●
●●
●
●●
●
●
●●
●
●
● ●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●●
●●
●●●
●
●●
●
●●
●●
●
●●
●●
●
●●●●●
●●●●●
●● ●
●●
●●
●●
●
●●
●●
●
●●
●●
●
●
●●
●
●
●●
●●
●
●●
●●
●
●●
●●
●
●
●
●●
●
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Banco de Dados (2)
n = 350 observações de calibração (free survey) + n = 60observações de validação (cluster sampling)
Atributos do solo: distribuição do tamanho de partículas,carbono orgânico e capacidade de troca de cátions efetiva
Co-variáveis ambientais: modelos digitais de elevação, imagensde satélite, mapas geológicos, mapas pedológicos, mapas deuso da terra
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Banco de Dados (2)
n = 350 observações de calibração (free survey) + n = 60observações de validação (cluster sampling)
Atributos do solo: distribuição do tamanho de partículas,carbono orgânico e capacidade de troca de cátions efetiva
Co-variáveis ambientais: modelos digitais de elevação, imagensde satélite, mapas geológicos, mapas pedológicos, mapas deuso da terra
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Banco de Dados (2)
n = 350 observações de calibração (free survey) + n = 60observações de validação (cluster sampling)
Atributos do solo: distribuição do tamanho de partículas,carbono orgânico e capacidade de troca de cátions efetiva
Co-variáveis ambientais: modelos digitais de elevação, imagensde satélite, mapas geológicos, mapas pedológicos, mapas deuso da terra
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Capítulo 1 - Acurácia das Co-variáveis
Co-variáveis ambientais desatualizadas e c/ pequenacapacidade resolutiva VS. atualizadas e c/ grande capacidaderesolutiva
Validação das co-variáveis ambientais
Combinação das co-variáveis ambientais
Modelos lineares ajustados usando quadrados mínimosgeneralizados
Validação externa
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Capítulo 2 - Observações de Calibração
Análise do padrão pontual espacial �> modelo de amostragem
Sete conjuntos de calibração: n = 50 a n = 350, comincrementos de n = 50
Modelo de custo baseado no tempo de acesso às observações
Modelos lineares ajustados usando quadrados mínimosgeneralizados
Otimização de Pareto (spatial simulated annealing): custo evariância
Validação externa
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Capítulo 3 - Seleção de Co-variáveis
n ≈ 50 co-variáveis ambientais
Dez métodos de seleção automática (stepwise, algorítmosgenéticos, validação cruzada, etc)
Modelos lineares ajustados usando quadrados mínimosgeneralizados
Validação externa
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Capítulo 4 - Ortogonalização das Co-variáveis
Demonstração matemática do efeito da ortogonalização sobrea estimativa dos coe�cientes da regressão
n ≈ 50 co-variáveis ambientais
Modelos lineares ajustados usando quadrados mínimosgeneralizados
Avaliação do conteúdo pedológico dos modelos lineares comco-variáveis ortogonalizadas
Validação externa
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Banco de DadosMetodologia
Capítulo 5 - Estrutura do Modelo
n = 7 conjuntos de observações de calibração
n ≈ 50 co-variáveis ambientais
n = 4 modelos: regressão linear, rede neural arti�cial, árvore deregressão e �oresta aleatória
Validação externa e elicitação do conhecimento de especialistaspara avaliação do conteúdo pedológico dos modelos
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Resultados PreliminaresPróximas Etapas
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Resultados PreliminaresPróximas Etapas
Resultados Preliminares
Representação verbal do modelo conceitual de pedogênese
Banco de dados de atributos do solo e co-variáveis ambientais
Validação de algumas co-variáveis ambientais (MDE SRTM≈ 15m; MDE TOPODATA ≈ 9m)
Modelo de amostragem de solo
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Resultados PreliminaresPróximas Etapas
Estrutura
1 MotivaçãoConstrução de Modelos PreditivosFontes de Incerteza
2 Objetivos e Questões de PesquisaObjetivosQuestões de Pesquisa
3 Material e MétodosBanco de DadosMetodologia
4 Resultados Preliminares e Próximas EtapasResultados PreliminaresPróximas Etapas
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Resultados PreliminaresPróximas Etapas
Próximas Etapas
Avaliação das co-variáveis ambientais até o �nal do ano
Implementação das demais análises na Holanda(Jan-Dez/2014)
Obtenção de mais n = 60 observações de validação (2015)
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Resumo
A Aliança Global pelo Solo constitui uma importante demandapor informações de solo no mundo
O Mapeamento Digital do Solo foi a solução encontrada paraatender tal demanda
A avaliação da incerteza é um passo crucial na produção deinformação de solo útil para a humanidade
Alessandro Samuel Rosa Incerteza no MDS
MotivaçãoObjetivos e Questões de Pesquisa
Material e MétodosResultados Preliminares e Próximas Etapas
ResumoAgradecimentos
Agradecimentos
UFRRJ
Embrapa Solos
ISRIC-WUR
UFSM, pela infraestrutura
CNPq, pela bolsa de doutorado
CAPES, pela bolsa de doutorado sandwich
Alessandro Samuel Rosa Incerteza no MDS