Mapeamento digital de solos: Metodologias para atender a demanda por informação espacial em solos
Fecha
2011-11-07Autor
Caten, Alexandre Ten 
Primeiro orientador
Dalmolin, Ricardo Simão Diniz
Primeiro membro da banca
Pedron, Fabrício de Araújo
Segundo membro da banca
Minella, Jean Paolo Gomes
Terceiro membro da banca
Bacic, Ivan Luiz Zilli
Metadatos
Mostrar el registro completo del ítemResumen
O solo é cada vez mais reconhecido como tendo um importante papel nos
ecossistemas, assim como para a produção de alimentos e regulação do clima global. Por esse
motivo, a demanda por informações relevantes e atualizadas em solos está em uma crescente.
O Mapeamento Digital de Solos (MDS) possibilita gerar essas informações demandadas em
diferentes resoluções espaciais e com indicadores de qualidade associados. O objetivo deste
estudo foi analisar as principais abordagens metodológicas utilizadas nos mapeamentos
digitais de classes de solos através de uma revisão de literatura dos trabalhos nacionais, assim
como propor procedimentos para a análise dos dados a serem utilizados em projetos de
mapeamento digital de classes de solos. O emprego de técnicas de MDS para o mapeamento
de classes de solos é recente no país, a primeira publicação nesse sentido ocorreu apenas em
2006. Entre as funções preditivas utilizadas predomina o emprego da técnica de regressões
logísticas. Quanto à avaliação da qualidade dos modelos preditivos o emprego da matriz de
erros e do índice kappa têm sido os procedimentos mais usuais. O emprego da transformada
wavelet mostrou-se como uma metodologia de grande potencial para a análise da resolução
espacial de máxima variabilidade de atributos de terreno a serem usados em projetos de MDS.
A metodologia proposta de exclusão dos dados oriundos de covariáveis ambientais
localizadas na bordas dos polígonos de solos possibilitou a geração de modelos por Árvore de
Decisão (AD) menos complexos e mais precisos. Assim como o volume de dados necessários
para o treinamento de modelos preditivos por AD está entre cinco e 15% do conjunto total de
dados como mostrou este estudo. Observações coletadas a campo indicaram uma acurácia dos
mapas preditos próxima a 70% para os modelos oriundos dessas densidades de amostragem.