Abstract Mining has a strong influence on the Brazilian economy, however, extractive activity results in multiple damages to the ecosystem, as vegetation and the surface layer of the soil are removed, altering the natural pedological characteristics. Therefore, programs for the recovery of degraded areas become essential to mitigate or compensate for negative impacts on the environment. In this way, the understanding of soil quality indicators has been worked on to evaluate the process of recovery of degraded areas. Thus, the objective of this work was to develop and test a new approach to qualify the recovery of soil aggregation and reference ecosystems in the Brazilian Amazon (RO). For this, the geometric mean diameter (DMG) and the morphometric parameters: area, circularity, roundness and Feret diameter of the soil aggregates were determined. The parameters were evaluated in five different aggregate sizes, 6.0 mm, 4.0 mm, 2.0 mm, 1.0 mm and 0.71 µm, then multivariate analysis of variance (MANOVA) was performed, comparing the morphometric variables and aggregate sizes from each study area. The results obtained show a positive correlation between the values of area, circularity and Feret diameter of soil aggregates, indicating improvements in soil structure and vegetation. In this way, the proposed parameters demonstrated a high capacity to describe the soil quality and differentiate the recovery levels, presenting itself as an excellent indicator in the monitoring of degraded areas.

Resumo A mineração exerce forte influência sobre a economia brasileira, no entanto, a atividade extrativista resulta em múltiplos danos ao ecossistema, pois a vegetação e a camada superficial do solo são removidas, alterando as características pedológicas naturais. Portanto, programas de recuperação de áreas degradadas tornam-se essenciais para mitigar ou compensar os impactos negativos ao meio ambiente. Dessa forma, o entendimento dos indicadores de qualidade do solo tem sido trabalhado para avaliar o processo de recuperação de áreas degradadas. Assim, o objetivo deste trabalho foi desenvolver e testar uma nova abordagem para qualificar a agregação do solo em recuperação e ecossistemas de referências na Amazônia brasileira (RO). Para isso, determinou-se o diâmetro médio geométrico (DMG), e os parâmetros morfométricos: área, circularidade, arredondamento e diâmetro de Feret dos agregados do solo. Os parâmetros foram avaliados em cinco tamanhos de agregados diferentes, 6,0 mm, 4,0 mm, 2,0 mm, 1,0 mm e 0,71 µm, em seguida foi realizada análise de variância multivariada (MANOVA), comparando as variáveis morfométricas e tamanhos dos agregados de cada área de estudo. Os resultados obtidos mostram uma correlação positiva entre os valores da área, circularidade e diâmetro de Feret dos agregados do solo, indicando melhorias na estrutura do solo e na vegetação. Dessa forma, os parâmetros propostos demonstraram alta capacidade de descrever a qualidade do solo e diferenciar os níveis de recuperação, apresentando-se como um excelente indicador no monitoramento de áreas degradadas.

RESUMO O conceito de conservação de precisão pode ser definido como um conjunto de tecnologias espaciais e outros procedimentos ligados as variáveis ambientais mapeáveis, que podem ser utilizadas para programar práticas de gestão da conservação recursos naturais que levam em consideração a variabilidade dessas variáveis no espaço e tempo dentro de sistemas naturais ou agrícolas. Nesse contexto, considera-se a perda estrutural do solo por meio de atividades antrópicas, como com um processo com variação espacial e temporal. A gestão da condição de agregação do solo pode contribuir para processos agrícolas mais regenerativos e sustentáveis, pois permite a utilização das tecnologias de análise espacial, por meio de indicadores visuais georreferenciados ou mesmo a utilização de sistemas com aprendizado automático, conhecidos como deep learning. Nesse sentido, foi desenvolvido um método visual justaposto com uma análise de lógica fuzzy para a classificação dos agregados quanto à forma, rugosidade superficial e estruturas biogênicas. Assim, numa segunda etapa foi desenvolvido um modelo de rede neural artificial capaz de detectar e classificar diferentes formas de agregados do solo, permitindo dessa maneira, uma breve discussão da temática e seu potencial de aplicação na gestão conservacionista por meio da análise de agregados via sistemas automáticos de classificação. Dessa maneira, são apresentados elementos para a motivação de pesquisas e desenvolvimento em tecnologias adaptativas, no apoio à decisão que possam auxiliar a integração de informações dinâmicas e espaciais no entendimento da condição estrutural do solo com a finalidade de uma conservação dos solos com mais precisão.

ABSTRACT The concept of precision conservation can be defined as a set of space technologies and other procedures linked to mappable environmental variables, which can be used to program conservation management practices for natural resources that consider the variability of these variables in space and time within of natural or agricultural systems. In this context, structural loss of soil through human activities is considered, as with a process with a spatial and temporal variation. The management of soil aggregation conditions can contribute to more regenerative and sustainable agricultural processes. It allows spatial analysis technologies through georeferenced visual indicators or even the use of systems with automatic learning, known as deep learning. In this sense, a fair visual method was developed with an analysis of fuzzy logic to classify aggregates in terms of shape, surface roughness, and biogenic structures. Thus, in a second stage, a model of the artificial neural network was developed, capable of detecting and classifying different forms of soil aggregates, thus allowing a brief discussion of the theme and its potential for application in conservation management through the analysis of aggregates via systems automatic sorting. In this way, elements are presented for the motivation of research and development in adaptive technologies in supporting decision-making that can help integrate dynamic and spatial information in the understanding of the soil’s structural condition to preserve the soil more precisely.

RESUMO A arborização urbana tem funções importantes, mas os problemas relacionados à sua gestão são igualmente relevantes, cuja análise é necessária para prevenir acidentes. No entanto, devido à subjetividade inerente a avaliação, pode haver incertezas quanto à gravidade do risco. Como alternativa, o presente trabalho avalia uma proposta metodológica baseada em modelagem neuro-fuzzy para análise integrada de indicadores de risco. A partir da consulta a especialistas e de um banco de dados com 107 casos, foram construídos sistemas para análise multicritério de 18 parâmetros, integrados por meio de 3 índices e 5 indicadores. Como resultado, o modelo apresentou acurácia de 95,5% nos testes de generalização, e concordância quase perfeita (kappa > 0,8) com a avaliação pelo especialista. Em conclusão, os resultados mostram que a modelagem neuro-fuzzy representa uma alternativa promissora para apoiar a análise de risco na arborização urbana.

ABSTRACT Urban afforestation has important functions, but problems related to its management are equally relevant, analysis of which is needed in order to prevent accidents. However, due to the subjectivity in the assessment, there may be uncertainty as to the seriousness of the risk. In order to address this, the present work evaluates a neuro-fuzzy-based methodology for the integrated analysis of risk indicators. From the knowledge of experts and a database with 107 cases, systems were constructed for the multi-criteria analysis of 18 parameters integrated using 3 indexes and 5 indicators. As a result, the model presented accuracies of 95.5% in generalization tests, and almost perfect agreement (kappa > 0.8) with the assessment by the expert. In conclusion, the findings show that this neuro-fuzzy modeling approach represents a promising alternative for supporting risk analysis in urban afforestation.