A espectroscopia de infravermelho-visível próximo (vis-IVP) é amplamente usada para detectar propriedades do solo. O objetivo deste estudo foi avaliar o efeito combinado da umidade do solo e do algoritmo de modelagem na predição do carbono orgânico do solo (COS) e pH. Para tanto, foram utilizadas 270 amostras de solo para comparar a eficiência da predição da regressão por mínimos quadrados parciais (PLS) e da rede neural artificial (RNA) na modelagem do COS e pH, em diferentes níveis de umidade. Antes da determinação espectral, as amostras de solo secas foram pesadas para discriminar a quantidade de água a ser adicionada para que essa atingisse os níveis de umidade gravimétrica de 5, 10, 15, 20 e 25 %. Para obter a resposta espectral das amostras de solo, no modo de reflectância difusa, foi utilizado um espectrofotômetro de fibra ótica, na faixa do infravermelho-visível próximo (350-2500 nm). O pré-processamento dos dados espectrais e a análise pela regress do PLS foram implementados no software Unscrambler®; enquanto na modelagem pela RNA, foi utilizado o software Statistica® (Version 11, StatSoft Inc. USA). Para o COS, o melhor resultado da predição foi obtido utilizando a RNA (RMSEP = 0.82 % e RPD = 4.23) para amostras de solo com 25 % de umidade. Para o pH, as melhores predições foram obtidas com a PLS para as amostras de solo seco (RMSEP = 0.65 % e RPD = 1.68) e para as de solo com 10 % de umidade (RMSEP = 0.61 % e RPD = 1.71). A RNA apresentou melhor desempenho para predição do COS em todos os níveis de umidade do solo; a PLS evidenciou melhor acurácia na predição do pH para todos os níveis de umidade, exceto para a umidade de 25 %. Dessa forma, a RNA é recomendada para análise de COS em todos os níveis de umidade do solo, enquanto a PLS é indicada para a análise do pH nos níveis de umidade inferiores a 20 %.
modelagem; predição; vis-IVP
