AI for Soil Science
Machine learning methods designed with soil knowledge, environmental structure and spatial reasoning in mind.
IA para Ciência do Solo com modelos informados por processos, ambiente e organização espacial.
Currently: Postdoctoral Researcher · ESALQ-USP
Cássio
Moquedace
Soil science · AI · Spatial data · Environmental change
I work at the interface of pedometrics, digital soil mapping, soil organic carbon modelling and data-driven environmental science.
Trabalho na interface entre pedometria, mapeamento digital de solos, modelagem de carbono orgânico e ciência ambiental orientada por dados.
FAPESP
Postdoc fellow
R
Primary lang.
PhD
UFV · 2025
Research Focus
A compact view of the questions, methods and landscapes that shape my work.
Uma visão das questões, métodos e paisagens que moldam minha pesquisa.
Digital Soil Mapping
Spatial prediction of soil classes and attributes using covariates, field data and computational modelling.
Mapeamento digital de solos e atributos a partir de dados de campo, covariáveis e modelos.
Soil Organic Carbon
Mapping, modelling and interpreting carbon stocks and their relation to climate, biota and land use.
Modelagem de estoques de carbono orgânico do solo e suas relações com clima, biota e uso da terra.
Amazônia & Global Change
Soils, forests, agroecology and tropical landscapes under pressure from environmental transformation.
Solos, florestas, agroecologia e paisagens tropicais diante das mudanças ambientais.
Selected Work
A curated set of research anchors — updated as work evolves. Full list on ORCID.
Uma seleção de trabalhos de referência — atualizada conforme a pesquisa evolui. Lista completa no ORCID.
Artificial intelligence applied to the global pedological dimension
A doctoral investigation into how AI can model, map and explain biota–soil–climate interactions and organic carbon dynamics across scales, from regional to planetary.
Investigação doutoral sobre como a IA pode modelar, mapear e explicar interações biota–solo–clima e a dinâmica do carbono orgânico em múltiplas escalas.
On the importance of soil texture for predicting future global soil respiration
Machine learning reveals soil texture as a key but overlooked control on 21st-century soil CO₂ efflux. Global projections at 1 km resolution under climate change scenarios to 2100.
Aprendizado de máquina revela a textura do solo como controle central — mas negligenciado — da respiração global do solo ao longo do século XXI.
High-resolution mapping of soil carbon stocks in the western Amazon
Spatial modelling of soil organic carbon stocks across Rondônia using machine learning and remote sensing covariates — connecting tropical land-use change to carbon dynamics.
Modelagem de alta resolução de estoques de carbono orgânico do solo em Rondônia, conectando mudança de uso da terra e dinâmica do carbono na Amazônia Ocidental.
Machine learning applied for Antarctic soil mapping: spatial prediction of soil texture for Maritime Antarctica and Northern Antarctic Peninsula
Machine learning models predict soil texture across ice-free areas of Maritime Antarctica and the Northern Antarctic Peninsula, producing the first spatial texture maps for these environments.
Modelos de aprendizado de máquina predizem a textura do solo nas áreas livres de gelo da Antártica Marítima e do norte da Península Antártica.
Visual Output
Cartographic and model outputs from published research.
Saídas cartográficas e modelagem dos artigos publicados.
Tools & Methods
Tools, algorithms and frameworks that drive the research pipeline.
Ferramentas, algoritmos e abordagens que sustentam a pesquisa.
Languages
R
Python
Platforms
Google Earth Engine
RStudio
GitHub
QGIS
ML / AI
Random Forest
XGBoost
LightGBM
CNN
SHAP
Cubist
Spatial
Remote Sensing
Spatial Modelling
Discipline
Pedometrics
Digital Soil Mapping
SOC Modelling
Land-use Change
Bio
Short profile for academic, technical and collaborative contexts.
Perfil curto para contextos acadêmicos, técnicos e colaborativos.
Cássio Marques Moquedace is a soil scientist and postdoctoral researcher at ESALQ-USP, working with the GeoCiS group in the Department of Soil Science. His research combines digital soil mapping, pedometrics, machine learning and soil organic carbon modelling to understand soil-landscape systems and environmental change.
Cássio Marques Moquedace é cientista do solo e pesquisador de pós-doutorado na ESALQ-USP, atuando no GeoCiS, Departamento de Ciência do Solo. Sua pesquisa integra mapeamento digital de solos, pedometria, aprendizado de máquina e modelagem de carbono orgânico do solo para compreender sistemas solo-paisagem e mudanças ambientais.
Contact & profiles
Open to scientific collaboration, spatial modelling, reproducible research and AI applications for soil and environmental data.
Aberto a colaboração científica, modelagem espacial, pesquisa reproduzível e aplicações de IA para dados de solo e ambiente.