Defesa de dissertação (15/05/2026): Edson Landim de Almeida
Discente: Edson Landim de Almeida
Título: Estimativa do Carbono Orgânico do Solo por Abordagens Quantílicas e Inteligência Artificial Explicável
Orientadores: Diego Brandão (orientador) e Jorge Soares (coorientador)
Banca: Diego Brandão (Cefet/RJ), Jorge Soares (Cefet/RJ), Kele Belloze (Cefet/RJ) e Marcos Ceddia (UFRRJ)
Dia/hora: 15 de maio de 2026, às 9h.
Sala: https://teams.microsoft.com/
Resumo: O carbono orgânico do solo (COS) desempenha um papel central nos ciclos biogeoquímicos, na fertilidade dos solos e na mitigação das mudanças climáticas, constituindo um dos maiores reservatórios de carbono do sistema terrestre. A quantificação direta do COS por métodos laboratoriais, embora precisa, é onerosa, demorada e limita a densidade amostral em levantamentos de grande escala. Nesse contexto, técnicas estatísticas e de aprendizado de máquina têm sido utilizadas para estimar o teor de carbono a partir de atributos edáficos e ambientais mais facilmente obtidos. Este trabalho investiga a estimativa do carbono orgânico do solo a partir de dados pedológicos disponibilizados pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa), integrando regressão linear múltipla, Random Forest, Quantile Regression Forests (QRF) e técnicas de Inteligência Artificial Explicável baseadas em SHAP. A regressão linear múltipla foi utilizada como linha de base interpretável, enquanto o Random Forest foi empregado para capturar relações não lineares e interações entre atributos do solo. A abordagem quantílica baseada em florestas aleatórias permitiu analisar diferentes regiões da distribuição condicional do COS, considerando os quantis 0,1, 0,5 e 0,9. Os resultados evidenciaram que a estimativa do COS é marcada por elevada variabilidade, assimetria e heterocedasticidade, com diferenças relevantes entre os usos da terra avaliados. O modelo Random Forest convencional foi capaz de representar tendências gerais dos dados, mas apresentou maior dispersão dos erros nas faixas de carbono mais altas. O modelo QRF ampliou a análise ao permitir a representação de limites inferiores, medianas e limites superiores da resposta, oferecendo uma leitura mais informativa da incerteza associada às predições. A análise com SHAP indicou a relevância de atributos relacionados à cor do solo, profundidade e textura, em coerência com o conhecimento pedológico. Em conjunto, os resultados indicam que a integração entre modelos baseados em árvores, abordagem quantílica e técnicas de explicabilidade constitui uma estratégia promissora para a estimativa e interpretação do carbono orgânico do solo, contribuindo para o avanço de metodologias aplicadas ao mapeamento digital do solo e ao monitoramento ambiental.