Mariana Faria Veloso

Mariana Faria Veloso

Auto-generated profile, based on publicly available information

Mariana Faria Veloso

Universidade Federal de Viçosa, Brazil

Research Focus & Metrics

Academic Career Length

7Years (2020-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
21 June 2021 in Environmental Monitoring and Assessment
Verified
Journal Article
Closed access
PDF file
DTDavid Bruno de Sousa Teixeira
David Bruno de Sousa Teixeira
MVMariana Faria Veloso
Mariana Faria Veloso
FFFernanda Laurinda Valadares Ferreira
Fernanda Laurinda Valadares Ferreira
JGJosé Marinaldo Gleriani
José Marinaldo Gleriani
CACibele Amaral
Cibele Amaral

1 March 2023 in Revista Brasileira de Engenharia Agrícola E Ambiental
Verified
Journal Article
Open access
MVMariana F. Veloso
Mariana F. Veloso
Lineu RodriguesLineu Rodrigues
Lineu Rodrigues
EFElpidio Inacio Fernandes-Filho
Elpidio Inacio Fernandes-Filho
CVCarolina F. Veloso
Carolina F. Veloso
BRBruna N. Rezende
Bruna N. Rezende
The Cerrado biome has presented challenges in reconciling its agricultural expansion with water availability. In this sense, water resources planning and management are fundamental for the economic, social, and environmental development of the Cerrado biome, which has been hampered by the lack of data, especially those referring to irrigation strategies, such as, for example, the water retention curve. The water retention curve is essential to understand water dynamics in the soil; however, obtaining it can be laborious, opening an opportunity for Pedotransfer Functions (PTFs). The current study aimed to develop and evaluate PTFs to estimate the fit parameters of the van Genuchten model for the Cerrado biome. Multiple Linear Regression (MLR) and four machine learning (ML) algorithms were used to develop the PTFs. The ML algorithms were the Multivariate Adaptive Regression Splines (MARS), Random Forest (RF), Support Vector Regression (SVR), and K Nearest Neighbors (KNN). Two combinations of soil data were evaluated, and the predictor variables used in each set were different. Using the RF and SVR models, the best estimates were obtained concerning the parameter θs (saturated water content). As for θr (residual water content), the models showed a moderate predictive capacity. For the other parameters, the models did not perform satisfactorily for α and n (fit parameters).

1 January 2024 in Revista Brasileira de Engenharia Agrícola E Ambiental
Verified
Journal Article
Open access
PDF file
MVMariana F. Veloso
Mariana F. Veloso
Lineu RodriguesLineu Rodrigues
Lineu Rodrigues
EFElpidio Inacio Fernandes-Filho
Elpidio Inacio Fernandes-Filho
The Cerrado biome is a strategic region for Brazilian agriculture, and obtaining physical hydraulic properties is fundamental to understanding the dynamics of soil water and its impact on productivity. However, the lack and difficulty of obtaining such properties opens an opportunity to use pedotransfer functions (PTFs). In the context, the objective of the present study was to develop PTFs using multiple linear regression to estimate hydraulic conductivity of the saturated soil (Ks) and soil moisture at tensions of 0, 6, 10, 33, 100, and 1,500 kPa for the Cerrado biome. For this, two different predictor datasets were used. Dataset 1 consists of sand, silt, clay, bulk density, particle density, total porosity, microporosity, and macroporosity, and dataset 2 consists of the variables in dataset 1 plus soil moisture at field capacity (FC) and soil moisture at the permanent wilting point (PMP). Dataset 2 presented the best performance compared to Dataset 1 for estimating Ks and soil moisture, highlighting the importance of moisture in FC and PWP as predictors in the development of PTFs. However, the PTFs developed for Ks presented a low predictive capacity in all predictor datasets, unlike the soil moistures that presented high precision, with R² greater than 0.8 and errors close to zero.

16 March 2021 in Caderno de Ciências Agrárias
Verified
Journal Article
Open access
PDF file
MVMariana Faria Veloso
Mariana Faria Veloso
RRRodolpho César Tinini dos Reis
Rodolpho César Tinini dos Reis
RFRaul de Magalhães Filho
Raul de Magalhães Filho
FRFlávia Mazzer Rodrigues
Flávia Mazzer Rodrigues
O objetivo deste estudo é mapear o uso e cobertura da terra da área de contribuição da barragem Bico da Pedra através do algoritmo árvore de decisão. Para isso, foram adquiridas o modelo de elevação SRTM e duas imagens (verão e inverno) do satélite Landsat 8 sensor OLI/TIRS, ano 2017. Em seguida, realizou-se o cálculo dos índices NDVI e SAVI, e então inseriu um conjunto de onze variáveis na árvore de decisão resultando em um mapa de uso e cobertura da terra com nove classes: cerrado, floresta decidual montana, campos, água, pasto/solo exposto, culturas, afloramento rochoso, barragem de rejeitos e mancha urbana. A classe mais expressiva verificada na área de estudo foi a vegetação correspondendo em quase 80%. Além disso, foi verificado presença de culturas próximas à nascente do rio Gorutuba e ao reservatório da barragem. A classe de pasto/solo exposto apresentou em quase metade de suas amostras como equivocadas. A acurácia da classificação foi satisfatória e o Índice Kappa, excelente. Portanto, os resultados apresentados permitiram adquirir informações de uso e cobertura do solo capazes de auxiliar na gestão e planejamento dos recursos hídricos e ambientais da área de contribuição da barragem Bico da Pedra.


31 July 2020 in Revista Brasileira de Geomática
Verified
Journal Article
Open access
PDF file
MVMariana Faria Veloso
Mariana Faria Veloso
CSCristiano Marcelo Pereira de Souza
Cristiano Marcelo Pereira de Souza
BRBruna Nogueira Rezende
Bruna Nogueira Rezende
A fragilidade ambiental é uma das ferramentas de estudos que permitem compreender e visualizar áreas vulneráveis ou não aos processos erosivos, e quando aliada ao uso impróprio dos recursos hídricos e ambientais potencializam os desastres naturais. Diante desse contexto, o objetivo do trabalho foi caracterizar a fragilidade ambiental da sub-bacia do rio Congonhas, MG, localizada entre os municípios de Grão Mogol e Itacambira, e tendo como projeto futuro a construção da barragem de Congonhas. A análise foi construída a partir do modelo SRTM (Shuttle Radar Topography Mission), dados oficiais e uma imagem de satélite Sentinel-2, e integradas ao ambiente SIG obteve as variáveis ambientais que influenciam nos processos erosivos. Através de informações de pluviosidade, declividade e tipos de solos da área gerou-se o Mapa de Fragilidade Potencial (MFP) e a partir da combinação deste mapa com as informações de uso e ocupação do solo obteve-se o Mapa de Fragilidade Emergente (MFE). Verificou-se que a maior parte da região possui nível de fragilidade (potencial e emergente) nas classes médias a muito forte. Já as áreas de média fragilidade ambiental ocupam 25,54% (MFP) e 18,88% (MFE) e as áreas de baixa fragilidade correspondem a 36,73% (MFP) e 32,55% (MFE). O modelo produzido gerou informações importantes para a gestão ambiental e planejamento territorial para futuros projetos governamentais, municipais e sociedade civil, incentivando o uso racional dos recursos naturais e principalmente, o monitoramento das áreas instáveis.