EGU 2021 será un evento completamente virtual que tendrá lugar del 19 al 30 de abril. Todas las sesiones científicas están abiertas para recibir su contribución. La fecha límite para el envío de resúmenes es el 13 de enero de 2021. Envíe su resumen a la sesión SSS10.3 Mapeo y Evaluación Digital de Suelos.
La fecha límite de nominación es el 1 de febrero de 2021. Los nominados deben haber recibido su doctorado después del 01 de febrero de 2015. Las nominaciones deben ser hechas por un o una colega o colegas que conozcan bien el trabajo de la persona.
Este artigo apresenta sugestões e soluções para a curadoria de dados no Repositório Brasileiro Livre para Dados Abertos do Solo (FEBR), com destaque para a melhoria da qualidade da descrição dos métodos de análise de solo. Para isso, foi realizado levantamento do padrão de descrição de métodos analíticos em trabalhos que se basearam na [edição de 1979](http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/330592) do Manual de Métodos de Análise de Solo da Embrapa.
As aplicações espaciais de dados do solo como o MDS requerem dados geoespaciais consistentes, incluindo coordenadas geográficas e um sistema de referência de coordenadas conhecido. No entanto, quando se trata de dados legados, frequentemente encontramos esses dados geoespaciais ausentes ou incorretas. Neste artigo, nós avaliamos a qualidade dos dados geoespaciais de dados legados do solo no Brasil e avaliamos fontes de dados geoespaciais (relatórios de pesquisa, mapas, infraestruturas de dados espaciais, serviços de mapeamento na web) e conhecimento especializado como forma de corrigir tais inconsistências.
No mapeamento digital do solo, técnicas de aprendizado de máquina estão sendo usadas para inferir relações entre propriedades do solo e covariáveis. Informações derivadas desse processo são frequentemente traduzidas em conhecimento pedológico. Esse mecanismo é conhecido como descoberta de conhecimento. Neste estudo, mostramos que a descoberta de conhecimento com base nessa estratégia deve ser tratada com cautela. Métodos de aprendizagem de máquina podem encontrar padrões relevantes mesmo quando as covariáveis não têm sentido e não estão relacionadas a fatores e processos de formação do solo.
Oportunidade de bolsa de iniciação científica da Fundação Araucária com duração de dois anos (2020/2022). Atividades envolvem a curadoria de conjuntos de dados do solo e o desenvolvimento do sistema de codificação e descrição de métodos de análise física, química e morfológica do solo.
O MDS usa modelos estatísticos para quantificar a correlação entre propriedades do solo e condições ambientais para fazer predições em locais não amostrados. Seu sucesso depende, em grande medida, dos dados de amostragem do solo. É provável que uma estratégia amostral pobre ofereça um modelo pobre e grandes erros de predição, resultando em desperdício de recursos. Uma solução computacional é a otimização da configuração amostral usando a técnica do recozimento simulado.