Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The requirement for quantitative soil information has increased as a consequence of the global scenarios. The digital soil mapping (DSM) seeks to produce consistent data with the current needs through the generation of functional soil maps in multi-scales. The aim of this study was to evaluate the altimetry quality and limitations of digital elevation model (DEM) in order to assist in choosing the most suitable DEM to derive terrain attributes (TA) to develop spatial prediction functions to be applied to digital mapping of soil organic carbon (SOC) of farm scale in the Plateau of the state of Rio Grande do Sul (RS). The study was conducted on a 937 ha area located in the municipality of Giruá, RS, Brazil. They collected 243 sampling points in the 0-5 cm layer and an accomplished planialtimetric survey (PS) considered in this study the truth of the ground of altitude values. DEM evaluated were: DEM-PS (generated from the PS), DEM-LETTER (generated by interpolating the level of topographic map curves), DEM-ASTER, DEM- SRTM and DEM-TOPODATA. The DEM were evaluated for precision altimetry through statistical test value of the square root of the mean square error (RMSE) and application of the Brazilian Cartographic Standard for defining the scale of each DEM based on the accuracy of the altitude. TA derived from each DEM were faced with the AT derived from the DEM-PS. The results showed that the DEM-PS presented the best quality of elevation data (RMSE = 1.93 m), followed by DEM-SRTM (RMSE = 5.95 m), DEM- (RMSE = 8.28 m), DEM-TOPODATA (RMSE = 9.78 m) and DEM-ASTER (RMSE = 15.57 m). The size of the area and gently rolling relief were the main factors that influenced the results. The DEM-PS is suited in scale 1: 10,000 Class D, while DEM-LETTER and DEM-SRTM are suited in scale 1: 50,000 class B, the DEM-TOPODATA the scale 1: 50,000 class D and the DEM-ASTER scale 1: 100,000 Class B. With regard to TA, the DEM-SRTM and DEM-TOPODATA present results closer to the DEM-PS and smaller RMSE values for each TA assessed. The prediction function constructed from the DEM-PS derived from the TA and vegetation index Landasat-7 obtained images explained only 16% of the variance in SOC area. The small spatial resolution of DEM-PS and images associated with the use only of these predictors were the main factors that influenced the results. Based on these results, the DEM-SRTM and DEM-TOPODATA can be used in DSM semi-detailed soil classes. In the case of the SOC DSM suggest the use of these DEM associated with field control points to verify the precision altimetry and the inclusion of variables related to soil management practices. / A demanda por informações quantitativas de solos em nível detalhado de bacias hidrográficas vêm aumentado em decorrência dos cenários globais. O mapeamento digital de solos (MDS) visa gerar dados compatíveis com essas necessidades por meio da geração de mapas funcionais de solos em multi-escalas. O objetivo desse trabalho foi avaliar a qualidade altimétrica e limitações de MDE com a finalidade de auxiliar na escolha do MDE mais adequados para derivar atributos do terreno (AT) para desenvolver funções de predição espacial para serem aplicadas ao mapeamento digital do carbono orgânico do solo em escala de propriedade rural no Planalto do Estado do Rio Grande do Sul (RS). O estudo foi realizado em uma área de 937 ha localizada no município de Giruá, RS, Brasil. Foram coletados 243 pontos amostrais na camada de 0-5 cm e realizado um levantamento planialtimétrico (LP) considerado neste estudo a verdade do terreno dos valores de altitude. Os MDE avaliados foram: MDE-LP (gerado a partir do LP), MDE-CARTA (gerado pela interpolação das curvas de nível da carta topográfica), MDE-ASTER, MDE-SRTM e MDE-TOPODATA. Os MDE foram avaliados quanto à precisão altimétrica por meio de teste estatísticos, valor da raiz quadrada do erro médio quadrático (RMSE) e aplicação da Norma Brasileira de Cartografia para definição da escala de cada MDE com base na precisão da altitude. Os AT derivados de cada MDE foram confrontados com os AT derivados do MDE-LP. Os resultados mostraram que o MDE-LP apresentou a melhor qualidade dos dados de altitude (RMSE = 1,93 m), seguido dos MDE-SRTM (RMSE = 5,95 m), MDE-CARTA (RMSE = 8,28 m), MDE-TOPODATA (RMSE = 9,78 m) e MDE-ASTER (RMSE = 15,57 m). O tamanho da área e relevo suave ondulado foram os principais fatores que influenciaram nos resultados. O MDE-LP se adequou na escala 1:10.000 classe D, enquanto os MDE-CARTA e MDE-SRTM se adequaram na escala 1:50.000 classe B, o MDE-TOPODATA a escala 1:50.000 classe D e o MDE-ASTER escala 1:100.000 classe B. Em relação aos AT, os MDE- SRTM e MDE-TOPODATA apresentam resultados mais próximos do MDE-LP e os menores valores de RMSE para cada AT avaliado. A função de predição construída a partir dos AT derivados do MDE-LP e índice de vegetação obtido de imagens Landasat-7 explicou apenas 16% da variância do COS na área. A resolução espacial pequena do MDE-LP e das imagens associado ao uso apenas dessas variáveis preditoras foram os principais fatores que influenciaram nos resultados. Com base nesses resultados, os MDE- SRTM e MDE-TOPODATA podem ser utilizados no MDS semidetalhado de classes de solos. No caso do MDS do COS sugere-se o uso desses MDE associado com pontos de controle de campo para verificação da precisão altimétrica e a inclusão de variáveis relacionadas a práticas de manejo do solo.

Research on digital soil mapping (DSM) in Brazil is subject to the existence of legacy soil data obtained through conventional methods for extrapolation of soil-landscape relations. In areas with no available soil maps, it is necessary to develop methodologies for the acquisition of these data in a scale compatible with the needs of the users. In this context, the main objective of this study was to develop a methodology, through techniques of DSM, to predict soil classes at semidetailed level, in a region of gently undulating relief delimited by a topographic map in a scale of 1:50,000. Techniques for relief modeling were used to elaborate and evaluate the quality of the digital elevation models used in the area covered by the topographic map and in the reference area (RA). The RA technique was used to establish soil-landscape relations in the DSM. A basemap in a scale of 1:5,000 was created to support the implementation of soil mapping by conventional methods for the RA. Decision Tree (DT) technique was used to build the prediction model based on the soil map and eight terrain attributes of the RA. Two DSM strategies were tested in order to obtain the data to create the classification rules (DSM 1 and DSM 2). Each strategy employed the eight terrain attributes as predictor variables: elevation (ele), distance to channel network (dis), slope (dec), aspect (asp), topographic wetness index (twi), profile curvature (per), plan curvature (pla), and landform classes (lan). The previous selection of digital elevation models to extract the terrain attributes aggregated quality to the use of the predictor variables that participated in the production of the model. The use of RA in areas with limitation of data proved to be an efficient strategy to improve the understanding of soil-landscape relations for prediction of occurrence of soil classes through the DSM method. The comparison between field data and the digital soil map resulted in a global accuracy (GA) of 66.15% and Kappa of 0.35 for the DSM 1, and GA of 65.58% and Kappa of 0.27 for the DSM 2. The approach of soil survey through the conventional method in the RA proved appropriate, since it contributed to the knowledge of predominant soil categories, as well as reduced the number of field observations in the area covered by the topographic map. / As pesquisas em mapeamento digital de solos (MDS) realizadas no Brasil são dependentes da existência de dados legados de solos obtidos por métodos convencionais para extrapolação das relações solo-paisagem. Em áreas onde não há disponibilidade de mapas de solos, torna-se necessário desenvolver metodologias para aquisição desses dados em escala compatível com a necessidade dos usuários. Nesse contexto, o objetivo geral desta pesquisa foi desenvolver uma metodologia, por intermédio de técnicas de MDS para predizer classes de solos em nível semidetalhado, numa região de relevo suave ondulado, tendo como limite uma carta topográfica na escala 1:50.000. Foram utilizadas técnicas de modelagem do relevo para a elaboração e a avaliação da qualidade dos modelos digitais de elevação utilizados na área de abrangência da carta topográfica e na área de referência (AR). A técnica de AR foi empregada para estabelecer as relações solo-paisagem no MDS. Foi construída uma base cartográfica, na escala 1:5.000, que serviu de apoio para executar o mapeamento de solos com técnicas convencionais para a AR. A técnica de árvore de decisão (AD) foi utilizada para construção do modelo preditivo com base no mapa de solos e em oito atributos de terreno da AR. Duas estratégias de MDS foram testadas com o objetivo de obter os dados para gerar as regras de classificação (MDS 1 e MDS 2), sendo que cada estratégia empregou os oito atributos de terreno como variáveis preditoras: elevação (ele), distância da hidrografia (dis), declividade (dec), orientação de vertente (asp), índice de umidade topográfica (twi), curvatura em perfil (per), curvatura planar (pla) e classes de geoformas (lan). A seleção prévia de modelos digitais de elevação para extrair os atributos de terreno agregou qualidade no uso das variáveis preditoras que participaram da construção do modelo. O uso da AR em locais com limitação de dados mostrou-se uma estratégia eficiente para aprimorar o conhecimento referente às relações solo-paisagem com vistas à predição de ocorrência de classes de solos geradas pelo método de MDS. A comparação entre a verdade de campo e o mapa digital de solos resultou numa exatidão global (EG) de 66,15% e Kappa de 0,35 para o MDS 1 e uma EG de 65,58% e Kappa de 0,27 para o MDS 2. A abordagem de levantamento de solos pelo método convencional na AR demonstrou ser apropriada, visto que contribuiu para o conhecimento dos tipos de solos predominantes, assim como reduziu a quantidade de observações de campo na área de abrangência da carta topográfica.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / The possibility of mapping soil properties using soil spatial prediction functions (SSPFe) is a reality. But is it possible to SSPFe to estimate soil properties such as the particlesize distribution (psd) in a young, unstable and geologically complex geomorphologic surface? What would be considered a good performance in such situation and what alternatives do we have to improve it? With the present study I try to find answers to such questions. To do so I used a set of 339 soil samples from a small catchment of the hillslope areas of central Rio Grande do Sul. Multiple linear regression models were built using landsurface parameters (elevation, convergence index, stream power index). The SSPFe explained more than half of data variance. Such performance is similar to that of the conventional soil mapping approach. For some size-fractions the SSPFe performance can reach 70%. Largest uncertainties are observed in areas of larger geological heterogeneity. Therefore, significant improvements in the predictions can only be achieved if accurate geological data is made available. Meanwhile, SSPFe built on land-surface parameters are efficient in estimating the psd of the soils in regions of complex geology. However, there still are questions that I couldn t answer! Is soil mapping important to solve the main social and environmental issues of our time? What if our activities were subjected to a social control as in a direct democracy, would they be worthy of receiving any attention? / A possibilidade de mapear as propriedades dos solos através do uso de funções de predição espacial de solos (FPESe) é uma realidade. Mas seria possível construir FPESe para estimar propriedades como a distribuição do tamanho de partículas do solo (dtp) em um superfície geomorfológica jovem e instável, com elevada complexidade geológica e pedológica? O que seria considerado um bom desempenho nessas condições e que alternativas temos para melhorá-lo? Com esse trabalho tento encontrar respostas para essas questões. Para isso utilizei um conjunto de 339 amostras de solo de uma pequena bacia hidrográfica de encosta da região Central do RS. Modelos de regressão linear múltiplos foram construídos com atributos de terreno (elevação, índice de convergência, índice de potência de escoamento). As FPESe explicaram mais da metade da variância dos dados. Tal desempenho é semelhante àquele da abordagem tradicional de mapeamento de solos. Para algumas frações de tamanho o desempenho das FPESe pode chegar a 70%. As maiores incertezas ocorrem nas áreas de maior heterogeneidade geológica. Assim, melhorias significativas nas predições somente poderão ser alcançadas se dados geológicos acurados forem disponibilizados. Enquanto isso, FPESe construídas a partir de atributos de terreno são eficientes em estimar a dtp de solos de regiões com geologia complexa e elevada instabilidade. Mas restam dúvidas que não consegui resolver! O mapeamento de solos é importante para a resolução dos principais problemas sociais e ambientais do nosso tempo? E se nossas atividades estivessem submetidas ao controle da população como em uma democracia direta, seriam elas dignas de receber atenção?