Predição de classes de solos com dados coletados em pixels delimitados por buffers em perfis de solo georreferenciados

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.