Predição de classes de solos com dados coletados em pixels delimitados por buffers em perfis de solo georreferenciados - DOI:10.5039/agraria.v14i2a5653

Alcinei Ribeiro Campos, Elvio Giasson, José Janderson Ferreira Costa, Fabrício Fernandes Coelho

Resumo


Os estudos de mapeamento digital de classes de solos (MDS) têm utilizado mapas legados como principal fonte de informação para calibração dos modelos preditores. Entretanto, são necessárias novas abordagem com técnicas que permitam o uso de informações contidas em perfis de solos georreferenciados, permitindo a aplicação do MDS em áreas amostradas que não disponibilizem de mapas convencionais de solos. O objetivo deste estudo foi avaliar o desempenho na predição de ocorrência de solos de amostras coletadas em pixels de perfis de solos georreferenciados e em pixels coletados em buffers com raio de 50, 100, 150, 200 e 250 m dos perfis de solos nas bacias dos rios Lajeado Grande e Santo Cristo. As duas áreas possuem dados de levantamento de solos publicados em escala 1:50.000. Para predição da ocorrência das classes de solos foram utilizadas dez variáveis preditoras geradas a partir de um modelo digital de elevação com resolução espacial de 30 m. Para a predição foi utilizado o algoritmo Random Forest. Os mapas preditos foram avaliados quanto à exatidão em relação aos perfis de solos e quanto a reprodutibilidade dos mapas convencionais. A utilização dos pixels amostrais coletados nos buffers não alterou de forma expressiva a acurácia geral dos mapas preditos na bacia do rio Lajeado Grande, mas permitiu um ganho de 15,6% de exatidão na bacia do rio Santo Cristo. O uso apenas dos perfis georreferenciados resultou em mapas preditos com exatidão superior a 75% e concordância de reprodutibilidade igual ou superior a 67% em relação ao mapa convencional.

Palavras-chave


mapeamento digital de solos; Random Forest; técnicas pedométricas

Texto completo:

PDF

Referências


Alves, M.R.; Demattê, J.A.M.; Barros, P.P.S. Multiple geotechnological tools applied to digital mapping of tropical soils. Revista Brasileira de Ciência do Solo, v. 39, n. 5, p. 1261–1274, 2015. https://doi.org/10.1590/01000683rbcs20140410.

Arruda G.P.; Demattê, J.A.M.; Chagas, C. S.; Fiorio, P.R.; Souza, A.B.; Fongaro, C.T. Digital soil mapping using reference area and artificial neural network. Scientia Agricola, v. 73, n. 3, p. 266–273, 2016. https://doi.org/10.1590/0103-9016-2015-0131.

Arruda, G.P.; Demattê, J.A.M.; Chagas, C.S.S. Mapeamento Digital de solos por redes neurais artificias com base na relação solo-paisagem. Revista Brasileira de Ciencia do Solo, v. 37, n. 1, p. 327–338, 2013. https://doi.org/10.1590/S0100-06832013000200004.

Bagatini, T.; Giasson, E.; Teske, R. Expansão de mapas pedológicos para áreas fisiograficamente semelhantes por meio de mapeamento digital de solos. Pesquisa Agropecuaria Brasileira, v. 51, n. 9, p. 1317–1325, 2016. https://doi.org/10.1590/01000683rbcs20140289.

Bagatini, T.; Giasson, E.; Teske, R. Seleção de densidade de amostragem com base em dados de áreas já mapeadas para treinamento de modelos de árvore de decisão no mapeamento digital de solos. Revista Brasileira de Ciencia do Solo, v. 39, n. 4, p. 960–967, 2015. https://doi.org/10.1590/S0100-204X2016000900031.

Bagheri Bodaghabadi, M.; Martínez-Casasnovas, J.A.; Salehi, M.H.; Mohammadi, J.; Esfandiarpoor Borujeni, I.; Toomanian, N.; Gandomkar, A. Digital soil mapping using artificial neural networks and terrain-related attributes. Pedosphere, v. 25, n. 4, p. 580–591, 2015. https://doi.org/10.1016/S1002-0160(15)30038-2.

Behrens, T.; Zhu, A.X.; Schmidt, K.; Scholten, T. Multi-scale digital terrain analysis and feature selection for digital soil mapping. Geoderma, v. 155, n. 3–4, p. 175–185, 2010. https://doi.org/10.1016/j.geoderma.2009.07.010.

Breiman, L.; Cutler, A.; Liaw, A.; Wiener M. Breiman and Cutler’s Random Forests for classification and regression. Vienna: The R Project for Statistical Computing; CRAN, 2018. https://cran.r-project.org/web/packages/randomForest/randomForest.pdf. 10 Jul. 2018.

Breiman, L. Random Forest. Machine Learning, v. 45, n.1, p. 5-32, 2001. https://doi.org/10.1023/A:1010933404324.

Chagas, C.S.; Fernandes Filho, E.I.; Vieira, C.A.O.; Schaefer, C.E.G.R.; Carvalho Júnior, W. Atributos topográficos e dados do Landsat7 no mapeamento digital de solos com uso de redes neurais. Pesquisa Agropecuaria Brasileira, v. 45, n. 5, p. 497–507, 2010. https://doi.org/10.1590/S0100-204X2010000500009.

Congalton, R.G. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, v. 37, n. 1, p. 35–46, 1991. https://doi.org/10.1016/0034-4257(91)90048-B.

Demattê, J.A.M.; Rizzo, R.; Botteon, V.W. Pedological mapping through integration of digital terrain models spectral sensing and photopedology. Revista Ciencia Agronomica, v. 46, n. 4, p. 669–678, 2015. https://doi.org/10.5935/1806-6690.20150053.

Dias, L.M.S.; Coelho, R.M.; Valladares, G.S.; Assis, A.C.C.; Ferreira, E.P.; Silva, R.C. Predição de classes de solo por mineração de dados em área da bacia sedimentar do São Francisco. Pesquisa Agropecuaria Brasileira, v. 51, n. 9, p. 1396–1404, 2016. https://doi.org/10.1590/S0100-204X2016000900038.

Freitas, M.; Binotto, R.; Nanni, A.; Rodrigues, A.; Bortoli, C. Avaliação do potencial hidrogeológico, vulnerabilidade intrínseca e hidroquímica do sistema aquifero Serra Geral no noroeste do estado do Rio Grande do Sul. Revista Brasileira de Recursos Hídricos, v. 17, n. 2, p. 31–41, 2012. https://doi.org/10.21168/rbrh.v17n2.p31-41.

Giasson, E.; Clarke, R.T.; Vasconcellos, A.; Junior, I.; Henrique, G.; Tornquist, C.G. Digital soil mapping using multiple logistic regression on terrain parameters in southern Brazil. Scientia Agricola, v. 63, n. 3, p. 262–268, 2006. https://doi.org/10.1590/S0103-90162006000300008.

Giasson, E.; ten Caten, A.; Bagatini, T.; Bonfatti, B. Instance selection in digital soil mapping: a study case in Rio Grande do Sul, Brazil. Ciência Rural, v. 45, n. 9, p. 1592–1598, 2015. https://doi.org/10.1590/0103-8478cr20140694.

Häring, T.; Dietz, E.; Osenstetter, S.; Koschitzki, T.; Schröder, B. Spatial disaggregation of complex soil map units: A decision-tree based approach in Bavarian forest soils. Geoderma, v. 185–186, p. 37–47, 2012. https://doi.org/10.1016/j.geoderma.2012.04.001.

Hasenack, H.; Weber, E. Base cartográfica vetorial contínua do Rio Grande do Sul - escala 1:50.000 Porto Alegre: Centro de Ecologia; UFRGS, 2010. CD Rom.

Hengl, T.; Toomanian, N.; Reuter, H.I.; Malakouti, M.J. Methods to interpolate soil categorical variables from profile observations: Lessons from Iran. Geoderma, v. 140, n. 4, p. 417–427, 2007. https://doi.org/10.1016/j.geoderma.2007.04.022.

Höfig, P.; Giasson, E.; Vendrame, P.R.S. Mapeamento digital de solos com base na extrapolação de mapas entre áreas fisiograficamente semelhantes. Pesquisa Agropecuaria Brasileira, v. 49, n. 12, p. 958–966, 2014. https://doi.org/10.1590/S0100-204X2014001200006.

Kämpf, N.; Giasson, E.; Streck, E.V. Levantamento pedológico e análise qualitativa do potencial de uso dos solos para o descarte de dejetos suínos da microbacia do Rio Lageado Grande. Porto Alegre: Secretaria do Meio Ambiente do Rio Grande do Sul, 2004a. 27p. (Relatório).

Kämpf, N.; Giasson, E.; Streck, E.V. Levantamento semidetalhado dos solos da microbacia do rio Santo Cristo. Porto Alegre: Secretaria do Meio Ambiente do Rio Grande do Sul; 2004b. (Relatório).

Otto, J-C.; Prasicek, G.; Blöthe, J.; Schrott, L. GIS Applications in geomorphology. In: Cova, T.J.; Tsou, M-H.; Bareth, G.; Song, C.; Song, Y.; Cao, K.; Silva, E.A., (Eds.). Comprehensive geographic information systems. Amsterdam: Elsevier, 2017. p. 81–111.

Pelegrino, M.H.P.; Silva, S.H.G.; Menezes, M.D.; Silva, E.; Owens, P.R.; Curi, N. Mapping soils in two watersheds using legacy data and extrapolation for similar surrounding areas. Ciência e Agrotecnologia, v. 40, n. 5, p. 534–546, 2016. https://doi.org/10.1590/1413-70542016405011416.

R Core Team. R: a language and environment for statistical computing. Vienna: The R Project for Statistical Computing, 2018. https://www.r-project.org. 10 Jul. 2018.

Santos, H.G.; Jacomine, P.K.T.; Anjos, L.H.C.; Oliveira, V.A.; Lumbreras, J.F.; Coelho, M.R.; Almeida, J.A.; Araújo Filho, J.C.; Oliveira, J.B.; Cunha, T.J.F. Sistema brasileiro de classificação de solos. 5.ed. Rio de Janeiro: Embrapa Solos, 2018. 356p.

Tachikawa, T.; Kaku, M.; Iwasaki, A.; Gesch, D.B.; Oimoen, M.J.; Zhang, Z.; Danielson, J.J.; Krieger, T.; Curtis, B.; Haase, J.; Abrams, M.; Carabajal, C. ASTER global digital elevation model version 2 - summary of validation results. Washington: NASA,2011. 27p. http://pubs.er.usgs.gov/publication/70005960. 10 Jul. 2018.

ten Caten, A.; Dalmolin, R.S.D.; Pedron, F.A.; Mendonça, S.M.L. Extrapolação das relações solo-paisagem a partir de uma área de referência. Ciência Rural, v.41, p.812-816, 2011. https://doi.org/10.1590/S0103-84782011000500012.

ten Caten, A.; Simão, R.; Dalmolin, D.; Pedron, F.D.A. an Appropriate Data Set Size for Digital Soil. Revista Brasileira de Ciência do Solo, v. 37, n. 1, p. 359–366, 2013. https://doi.org/10.1590/S0100-06832013000200007.

Teske, R.; Giasson, E.; Bagatini, T. Produção de um mapa pedológico associando técnicas comuns aos mapeamentos digitais de solos com delineamento manual de unidades de mapeamento. Revista Brasileira de Ciencia do Solo, v. 39, n. 4, p. 950–959, 2015. https://doi.org/10.1590/01000683rbcs20140285.

Vasques, G.M.; Demattê, J.A.M.; Viscarra, R.R.A.; Ramírez, L.L.; Terra, F.S.; Rizzo, R.; Souza Filho, C.R.; Filho, C.R.S. Integrating geospatial and multi-depth laboratory spectral data for mapping soil classes in a geologically complex area in southeastern Brazil. European Journal of Soil Science, v. 66, n. 4, p. 767–779, 2015. https://doi.org/10.1111/ejss.12255.


Apontamentos

  • Não há apontamentos.


Direitos autorais 2019 Alcinei Ribeiro Campos, Elvio Giasson, José Janderson Ferreira Costa, Fabrício Fernades Coelho

SCImago Journal & Country Rank

Google Scholar

2018

h5 index: 12

h5 median: 14

Mais detalhes

Revista Brasileira de Ciências Agrárias (Agrária)

ISSN (ON LINE) 1981-0997

Pró-Reitoria de Pesquisa e Pós-Graduação

Universidade Federal Rural de Pernambuco

Rua Dom Manoel de Medeiros, s/n, Dois Irmãos Recife-Pernambuco-Brasil 52171-900

agrarias.prppg@ufrpe.br

secretaria@agraria.pro.br

 Licença Creative Commons
Todo o conteúdo da Agrária, exceto onde está identificado, está licenciado sob uma licença Creative Commons.