ANÁLISE DO CARBONO ORGÂNICO NO SOLO EM DRYLANDS VIA SENSORIAMENTO REMOTO E PROXIMAL: AVANÇOS E PERSPECTIVAS A PARTIR DE ANÁLISE BIBLIOMÉTRICA
DOI:
https://doi.org/10.56238/revgeov17n6-060Palavras-chave:
Solo do Semiárido, Sensoriamento Proximal, Caatinga, Espectroscopia de Refletância, Machine Learning, Mapeamento Digital do SoloResumo
O Carbono Orgânico do Solo (COS) é fundamental para a sustentabilidade ambiental, mas, em ecossistemas semiáridos, sua dinâmica é marcada pela fragilidade. Nesse contexto, o monitoramento de caatinga é indispensável para a conservação e o planejamento agrícola. O sensoriamento remoto e o proximal surgem como alternativas eficientes para essa quantificação. Este estudo realizou uma análise bibliométrica e sistemática da literatura científica, utilizando a mineração de dados em bases de dados Scopus e Web of Science. Os dados foram processados e analisados por meio de redes de coocorrência nos softwares VOSviewer e RStudio. Os resultados indicam que, embora o Brasil disponha de estudos de impacto, o bioma Caatinga permanece sub-representado. Em contraste, China e Irã lideram a produção com forte sinergia tecnológica. Observou-se um crescimento exponencial das publicações a partir de 2015 (Ano Internacional dos Solos da FAO). Conclui-se que a evolução para modelos preditivos robustos é crucial para o manejo preciso de solos vulneráveis, diante das mudanças climáticas.
Downloads
Referências
Aguiar Pimenta, A., Moraes, A. R., Portela, R., Cleiciane, B., & Ribeiro, R. M. (n.d.). A BIBLIOMETRIA NAS PESQUISAS ACADÊMICAS. Retrieved May 1, 2026, from https://flucianofeijao.com.br/flf/wp-content/uploads/2017/12/EDUCAR_PARA_A_CIDADANIA_FINANCEIRA.pdf.
Alsaleh, A. R. S., Alcibahy, M., Gafoor, F. A., Hashemi, H. A., Athamneh, B., Al Hammadi, A. A., Seneviratne, L., & Al Shehhi, M. R. (2025). Estimation of soil organic carbon in arid agricultural fields based on hyperspectral satellite images. Geoderma, 453(117151), 117151. https://doi.org/10.1016/j.geoderma.2024.117151
Arrouays, D., McKenzie, N., Hempel, J., de Forges, A. R., & McBratney, A. B. (2014). GlobalSoilMap: Basis of the global spatial soil information system. CRC Press. https://books.google.com/books/about/GlobalSoilMap.html?hl=&id=S5ClAgAAQBAJ.
Brasil, 2022. Ministério da Ciência, Tecnologia e Inovações. Quarto Inventário Nacional de Emissões e Remoções Antrópicas de Gases de Efeito Estufa. Brasília; [s.d.].
Chagas, C. da S., de Carvalho Junior, W., Bhering, S. B., & Calderano Filho, B. (2016). Spatial prediction of soil surface texture in a semiarid region using random forest and multiple linear regressions. Catena, 139, 232–240. https://doi.org/10.1016/j.catena.2016.01.001.
Delgadillo-Duran, D. A., Vargas-García, C. A., Varón-Ramírez, V. M., Calderón, F., Montenegro, A. C., & Reyes-Herrera, P. H. (2022). Vis–NIR spectroscopy and machine learning methods to diagnose chemical properties in Colombian sugarcane soils. Geoderma Regional, 31(e00588), e00588. https://doi.org/10.1016/j.geodrs.2022.e00588.
Demattê, J. A. M., Campos, R. C., & Alves, M. C. (2000). Avaliação espectral de solos desenvolvidos em uma topossequência de diabásio e folhelho da região de Piracicaba, SP. Pesquisa Agropecuária Brasileira, 35(12), 2447–2460. https://doi.org/10.1590/s0100-204x2000001200016.
Demattê, J. A. M., Epiphanio, J. C. N., & Formaggio, A. R. (2003). Influência da matéria orgânica e de formas de ferro na reflectância de solos tropicais. Bragantia: Boletim Tecnico Do Instituto Agronomico Do Estado de Sao Paulo, 62(3), 451–464. https://doi.org/10.1590/s0006-87052003000300012.
Demattê, J. A. M., Rizzo, R., Rosin, N. A., Poppiel, R. R., Novais, J. J. M., Amorim, M. T. A., Rodriguez-Albarracín, H. S., Rosas, J. T. F., Bartsch, B. D. A., Vogel, L. G., Minasny, B., Grunwald, S., Ge, Y., Ben-Dor, E., Gholizadeh, A., Gomez, C., Chabrillat, S., Francos, N., Fiantis, D., … Shepherd, K. D. (2025). A global soil spectral grid based on space sensing. The Science of the Total Environment, 968(178791), 178791. https://doi.org/10.1016/j.scitotenv.2025.178791.
dos Santos, E. P., Moreira, M. C., Fernandes-Filho, E. I., Demattê, J. A. M., Santos, U. J. dos, Moura-Bueno, J. M., Cruz, R. R. P., Silva, D. D. da, & Sampaio, E. V. de S. B. (2025). Integrating satellite radar vegetation indices and environmental descriptors with visible-infrared soil spectroscopy improved organic carbon prediction in soils of semi-arid Brazil. Geoderma, 457(117288), 117288. https://doi.org/10.1016/j.geoderma.2025.117288.
Food and Agriculture Organization. (2025). State of knowledge of soil biodiversity: status, challenges and potentialities, report 2020 (Food and Agriculture Organization (ed.)). Food & Agriculture Organization of the United Nations (FAO). https://doi.org/10.4060/cb1928en.
Food and Agriculture Organization of the United Nations (FAO). (2018). Soil organic carbon: The hidden potential. https://openknowledge.fao.org/items/c0b7c9bc-d8e9-4d45-8ef2-969f58f01247.
Food and Agriculture Organization of the United Nations (FAO). (2019). Diretrizes voluntárias para a gestão sustentável dos solos. Roma, Itália. https://openknowledge.fao.org/server/api/core/bit.
Goodwin, D. J., Kane, D. A., Dhakal, K., Covey, K. R., Bettigole, C., Hanle, J., Ortega-S., J. A., Perotto-Baldivieso, H. L., Fox, W. E., & Tolleson, D. R. (2022). Can low-cost, handheld spectroscopy tools coupled with remote sensing accurately estimate soil organic carbon in semi-arid grazing lands? Soil Systems, 6(2), 38. https://doi.org/10.3390/soilsystems6020038.
Guo, Z., Li, Y., Wang, X., Gong, X., Chen, Y., & Cao, W. (2023). Remote sensing of soil organic carbon at regional scale based on deep learning: A case study of Agro-pastoral ecotone in northern China. Remote Sensing, 15(15), 3846. https://doi.org/10.3390/rs15153846.
Holanda Leite, M. J. de. (2022). CARACTERÍSTICAS GERAIS DOS PRINCIPAIS SOLOS DA REGIÃO SEMIÁRIDA. RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218, 3(10), e3101964. https://doi.org/10.47820/recima21.v3i10.1964.
Huang, P., & Westman, L. (2021). China’s imaginary of ecological civilization: A resonance between the state-led discourse and sociocultural dynamics. Energy Research & Social Science, 81(102253), 102253. https://doi.org/10.1016/j.erss.2021.102253.
Hou Y, Tiyip T, Sawut M, Zhang F (2014) Estimation model of desert soil organic matter content using hyperspectral data. Trans Chin SocAgric Eng 30(16):113–120. https://doi.org/10.3969/j.issn.1002-6819.2014.16.016 (in Chinese with English abstract).
Intergovernmental Panel on Climate Change. (2015). Climate change 2014: Mitigation oclimate change. Cambridge University Press.
Intergovernmental Panel on Climate Change (IPCC). (2019). Mudanças climáticas e terra: Um relatório especial do IPCC sobre mudanças climáticas, desertificação, degradação da terra, gestão sustentável da terra, segurança alimentar e fluxos de gases de efeito estufa em ecossistemas terrestres (P. R. Shukla et al., Eds.). https://www.ipcc.ch/srccl/.
Karmakar, P., Teng, S. W., Murshed, M., Pang, S., Li, Y., & Lin, H. (2024). Crop monitoring by multimodal remote sensing: A review. Remote Sensing Applications Society and Environment, 33(101093), 101093. https://doi.org/10.1016/j.rsase.2023.101093.
Lal, R. (2001). World cropland soils as a source or sink for atmospheric carbon. Advances in Agronomy, 71, 145–191. https://doi.org/10.1016/s0065-2113(01)71014-0.
Lal, R. (2009). Soils and food sufficiency: A review. In Sustainable Agriculture (pp. 25–49). Springer Netherlands. https://doi.org/10.1007/978-90-481-2666-8_4.
Levi, N., Karnieli, A., & Paz-Kagan, T. (2022). Airborne imaging spectroscopy for assessing land-use effect on soil quality in drylands. ISPRS Journal of Photogrammetry and Remote Sensing: Official Publication of the International Society for Photogrammetry and Remote Sensing (ISPRS), 186, 34–54. https://doi.org/10.1016/j.isprsjprs.2022.01.018.
Liu Jiao; Li Yi Liu Shibin. (2013) Modelo preditivo para a determinação espectroscópica da matéria orgânica do solo no curso superior do rio Heihe. https://doi:10.3964/j.issn.1000-0593(2013)12-3354-05.
Lyrio, K. de O. (2022). Journal of Refugee Studies: Um Estudo bibliométrico na Web of Science. Revista Produção e Desenvolvimento, 8(1), e624–e624. https://doi.org/10.32358/rpd.2022.v8.624.
Marques, Andrielle de A. A bibliometria: reflexões para comunicação científica na Ciência da Comunicação e Ciência da Informação. In: CONGRESSO BRASILEIRO DE CIÊNCIAS DA COMUNICAÇÃO, 33, 2010, Caxias do Sul. Anais... Caxias do Sul: INTERCOM, 2010. p. 1-10.
Marques, F. B., Marques, Y. B., & Maculan, B. C. M. dos S. (2021). Coocorrência de palavras-chave em dados abertos da Capes: Teses e dissertações em Ciência da Informação. Múltiplos Olhares em Ciência da Informação. https://doi.org/10.35699/2237-6658.2021.37157.
Malav, L. C., Yadav, B., Tailor, B. L., Pattanayak, S., Singh, S. V., Kumar, N., Reddy, G. P. O., Mina, B. L., Dwivedi, B. S., & Jha, P. K. (2022). Mapping of land degradation vulnerability in the semi-arid watershed of Rajasthan, India. Sustainability, 14(16), 10198. https://doi.org/10.3390/su141610198.
McBratney, A. B., Mendonça Santos, M. L., & Minasny, B. (2003). On digital soil mapping. Geoderma, 117(1-2), 3–52. https://doi.org/10.1016/S0016-7061(03)00223-4.
Menezes, R. S. C., Sales, A. T., Primo, D. C., Albuquerque, E. R. G. M. de, Jesus, K. N. de, Pareyn, F. G. C., Santana, M. da S., Santos, U. J. dos, Martins, J. C. R., Althoff, T. D., Nascimento, D. M. do, Gouveia, R. F., Fernandes, M. M., Loureiro, D. C., Araújo Filho, J. C. de, Giongo, V., Duda, G. P., Alves, B. J. R., Ivo, W. M. P. de M., … Sampaio, E. V. de S. B. (2021). Soil and vegetation carbon stocks after land-use changes in a seasonally dry tropical forest. Geoderma, 390(114943), 114943. https://doi.org/10.1016/j.geoderma.2021.114943.
Miloš, B., Bensa, A., & Japundžić-Palenkić, B. (2022). Evaluation of Vis-NIR preprocessing combined with PLS regression for estimation soil organic carbon, cation exchange capacity and clay from eastern Croatia. Geoderma Regional, 30(e00558), e00558. https://doi.org/10.1016/j.geodrs.2022.e00558.
Nações Unidas (ONU). (2014, 5 de dezembro). Solo saudável é fundamental para a vida na Terra, diz agência da ONU. ONU News. https://news.un.org/pt/story/2014/12/1494791.
Nações Unidas (ONU). (2017). Integration of Sustainable Development Goal 15 and its target 15.3 into the implementation of the United Nations Convention to Combat Desertification and land degradation neutrality. United Nations Convention to Combat Desertification. https://www.unccd.int/sites/default/files/inline-files/ICCD_COP%2813%29_L.18-1716078E_0.pdf.
Nações Unidas (ONU). (2021, 3 de junho). Começa a Década da ONU da Restauração de Ecossistemas. Nações Unidas Brasil. https://brasil.un.org/pt-br/130341-come%C3%A7a-d%C3%A9cada-da-onu-da-restaura%C3%A7%C3%A3o-de-ecossistemas.
Naimi, S., Ayoubi, S., Di Raimo, L. A. D. L., & Dematte, J. A. M. (2022). Quantification of some intrinsic soil properties using proximal sensing in arid lands: Application of Vis-NIR, MIR, and pXRF spectroscopy. Geoderma Regional, 28(e00484), e00484. https://doi.org/10.1016/j.geodrs.2022.e00484.
Nelson, D. W., & Sommers, L. E. (1996). Total carbon, organic carbon, and organic matter. Em D. L. Sparks, A. L. Page, P. A. Helmke, R. H. Loeppert, P. N. Soltanpour, M. A. Tabatabai, C. T. Johnston, & M. E. Summer (Org.), Methods of soil analysis. Part 3. Chemical methods (p. 961–1010). SSSA-ASA.
Parceria Portuguesa para o Solo. (s.f.). Carbono orgânico do solo: Um potencial oculto. Direção-Geral de Agricultura e Desenvolvimento Rural. https://parceriaptsolo.dgadr.gov.pt/?view=article&id=442 .
Robredo, J., & Cunha, M. B. da. (1998). Aplicação de técnicas infométricas para identificar a abrangência do léxico básico que caracteriza os processos de indexação e recuperação da informação. Ciência da Informação, 27, 11–27. https://doi.org/10.1590/S0100-19651998000100003.
Sampaio, R. F., & Mancini, M. C. (2007). Estudos de revisão sistemática: um guia para síntese criteriosa da evidência científica. Revista Brasileira de Fisioterapia, 11(1), 83–89. Retrieved from http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1413-35552007000100013&nrm=iso.
Sankey, J. B., Brown, D. J., Bernard, M. L., & Lawrence, R. L. (2008). Comparing local vs. global visible and near-infrared (VisNIR) diffuse reflectance spectroscopy (DRS) calibrations for the prediction of soil clay, organic C and inorganic C. Geoderma, 148(2), 149–158. https://doi.org/10.1016/j.geoderma.2008.09.019.
Schwanghart, W., & Jarmer, T. (2011). Linking spatial patterns of soil organic carbon to topography — A case study from south-eastern Spain. Geomorphology (Amsterdam, Netherlands), 126(1-2), 252–263. https://doi.org/10.1016/j.geomorph.2010.11.008.
Subi, X., Eziz, M., & Zhong, Q. (2023). Hyperspectral estimation model of organic matter content in farmland soil in the arid zone. Sustainability, 15(18), 13719. https://doi.org/10.3390/su151813719.
Terra, F. da S. (2007). Estudo da contribuição do comportamento espectral de diferentes substratos do bioma Pampa para a componente espectral dos modelos agrometeorológicos-espectrais. 189.
Thijs, Bart & Glänzel, Wolfgang, 2010. "A structural analysis of collaboration between European research institutes," Research Evaluation, Oxford University Press, vol. 19(1), pages 55-65, March.
Tranfield, D., Denyer, D., & Smart, P. (2003). Towards a Methodology for Developing Evidence-Informed Management Knowledge by Means of Systematic Review. British Journal of Management, 14(3), 207–222. Retrieved from http://10.0.4.87/1467-8551.00375.
Trumbore, S., & Camargo, P. B. (2009). Dinâmica do carbono do solo. Amazonia Global Change. 451–462.
Vanti, N. A. P. Da bibliometria à webometria: uma exploração conceitual dos mecanismos utilizados para medir o registro da informação e a difusão do conhecimento. Ciência da Informação, Brasília, v. 31, n. 2, p. 152-162, maio/ago. 2002.
Volkan Bilgili, A., Van Es, H. M., Akbas, F., Durak, A., & Hively, W. D. (2010). Visible-near infrared reflectance spectroscopy for assessment of soil properties in a semi-arid area of Turkey. Journal of Arid Environments, 74(2), 229–238. https://doi.org/10.1016/j.jaridenv.2009.08.011.
Yang Aixia, Ding Jianli. (2015), Comparative assessment of two methods for estimation of soil organic carbon content by Vis-NIR spectra in Xinjiang Ebinur Lake Wetland[J]. Transactions of the Chinese Society of Agricultural Engineering, 31(18): 162-168. https://do:10.11975/j.issn.1002-6819.2015.18.023.
Wolfram, Dietmar. Bibliometrics Research in the Era of Big Data: Challenges and Opportunities. Bibliometria e Cientometria no Brasil: infraestrutura para avaliação da pesquisa científica na Era do Big Data, p. 91-101, 2017.
Wang, J., Feng, C., Hu, B., Chen, S., Hong, Y., Arrouays, D., Peng, J., & Shi, Z. (2023). A novel framework for improving soil organic matter prediction accuracy in cropland by integrating soil, vegetation, and human activity information. The Science of the Total Environment, 903(166112), 166112.
Wang, J., Ding, J., Yu, D., Ma, X., Zhang, Z., Ge, X., Teng, D., Li, X., Liang, J., Lizaga, I., Chen, X., Yuan, L., & Guo, Y. (2019). Capability of Sentinel-2 MSI data for monitoring and mapping of soil salinity in dry and wet seasons in the Ebinur Lake region, Xinjiang, China. Geoderma, 353, 172–187. https://doi.org/10.1016/j.geoderma.2019.06.040.
Wang, Y., Chen, S., Hong, Y., Hu, B., Peng, J., & Shi, Z. (2023). A comparison of multiple deep learning methods for predicting soil organic carbon in Southern Xinjiang, China. Computers and Electronics in Agriculture, 212(108067), 108067. https://doi.org/10.1016/j.compag.2023.108067.
Wiesmeier, M., Urbanski, L., Hobley, E., Lang, B., von Lützow, M., Marin-Spiotta, E., van Wesemael, B., Rabot, E., Ließ, M., Garcia-Franco, N., Wollschläger, U., Vogel, H.-J., & Kögel-Knabner, I. (2019). Soil organic carbon storage as a key function of soils - A review of drivers and indicators at various scales. Geoderma, 333, 149–162. https://doi.org/10.1016/j.geoderma.2018.07.026.
