ESTIMATIVA DO CARBONO ORGÂNICO DO SOLO POR ABORDAGENS QUANTÍLICAS E INTELIGÊNCIA ARTIFICIAL EXPLICÁVEL

Abstract

Soil organic carbon (SOC) plays a central role in biogeochemical cycles, soil fertility, and climate change mitigation, representing one of the largest carbon reservoirs in the terrestrial system. Direct SOC quantification via laboratory methods, although accurate, is costly and time-consuming and limits sampling density in large-scale surveys. In this context, statistical and machine learning techniques have been used to estimate carbon content from more easily obtainable edaphic and environmental attributes. This work investigates the estimation of soil organic carbon using pedological data provided by the Brazilian Agricultural Research Corporation (Embrapa), integrating multiple linear regression, Random Forest, Quantile Regression Forests (QRF), and Explainable Artificial Intelligence (XAI) techniques based on SHAP. Multiple linear regression was used as an interpretable baseline, while Random Forest was employed to capture nonlinear relationships and interactions among soil attributes. The quantile-based forest approach enabled the analysis of different regions of the conditional distribution of SOC, considering the 0.1, 0.5, and 0.9 quantiles. The results showed that SOC estimation is characterized by high variability, asymmetry, and heteroscedasticity, with relevant differences among the evaluated land uses. The conventional Random Forest model captured general trends in the data but exhibited greater error dispersion in higher-carbon ranges. The QRF model extended the analysis by representing lower, median, and upper bounds on the response, providing a more informative view of the uncertainty associated with the predictions. The SHAP analysis indicated the relevance of attributes related to soil color, depth, and texture, in agreement with pedological knowledge. Overall, the results suggest that integrating tree-based models, quantile-based modeling, and explainability techniques is a promising strategy for estimating and interpreting soil organic carbon, thereby advancing methodologies for digital soil mapping and environmental monitoring.

O Carbono Orgânico do Solo (COS) desempenha 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, Florestas Aleatórias Quantílicas (Quantile Regression Forests – QRF) e técnicas de Inteligência Artificial Explicável (Explainable Artificial Intelligence – XAI) baseadas em SHapley Additive exPlanations (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 em faixas superiores de carbono. 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.