As fotografias aéreas, bem como as técnicas de estereoscopia, foram amplamente utilizadas para estudos ambientais e da paisagem. Com o avanço do mapeamento digital de solos os parâmetros da rede de drenagem foram sendo substituídos por parâmetros derivados do relevo, nas metodologias de predição de atributos do solo. No entanto, a literatura é ampla na atribuição da rede de drenagem como um fator determinante no mapeamento de solos, havendo a necessidade de desenvolver técnicas para inserir as características dos canais nos diferentes métodos de mapeamento do solo. Dessa forma, objetiva-se desenvolver um mapa de compartimentação da paisagem, através da rede de drenagem e um modelo digital de elevação (MDE), ambos com alta resolução espacial, visando avaliar as suas correlações com os atributos do solo (teor de argila nas profundidades 0-20 e 80-100 cm, gradiente textural, Ferro total (Fe2O3) e a cor do solo) e classes pedológicas. Tais procedimentos poderão auxiliar na produção de métodos base para relacionar a paisagem com a pedologia e o mapeamento. A área de estudo está localizada no município de Rio das Pedras, no estado de São Paulo, Brasil, com 538 km². O levantamento da rede de drenagem foi realizado a partir de fotografias aéreas com a visualização em 3D por estereoscopia digital. O MDE foi criado a partir de curvas altimétricas com equidistância vertical de 5 m. A partir das características da rede de drenagem e do relevo foram calculados os parâmetros morfométricos que representassem os dois elementos ao longo de toda a área de estudo. Com o processamento dos parâmetros foi utilizada a técnica fuzzy k-médias para fazer uma compartimentação da paisagem não supervisionada. Os resultados mostraram que a densidade de drenagem (DD) possui uma correlação negativa com os teores de argila (r = - 0.63), enquanto a correlação com o gradiente textural foi positiva (r = 0.42). O ferro total (Fe2O3) apresentou baixa variabilidade na área e não resultou em correlações significativas. A maior correlação foi com o matiz (r = 0.67), determinando solos mais amarelos nos locais de maior DD. A compartimentação da paisagem separou bem as posições do relevo em relação a DD. Cada compartimento se apresentou como uma unidade de mapeamento, havendo relação direta com classes pedológicas. / Aerial photographs, as well as stereoscopy were widely used for environmental and landscape studies. As digital soil mapping techniques have been developed, drainage network was replaced for relief parameters. However, literature studies have shown vast attribuition between drainage network and soil mapping, bringing the need to develop ways to insert the drainage parameters on different soil mapping strategies. Therefore, this study aims to create a landscape compartment map through drainage network and a digital elevation model (DEM), both with high spatial resolution, in order to evaluate its correlation with five soil attributes (clay content at 0-20 and 80-100 cm, textural gradient, total Iron (Fe2O3) and color) and soil classes. Wih these procedures it will be possible to create base methods to associate landscape with pedology and mapping. The study area has 538 km² and is located at Rio das Pedras municipality in the state of São Paulo, Brazil. The drainage network was created using aerial photographs with digital stereoscopy in 3D and the DEM with altimetric curves. These two geographic basis were used to calculate morphometric parameters that represents the patterns along the study area. The parameters were processed with fuzzy k-means technique to create a non-supervised landscape compartments map. Results showed that drainage density (DD) had a negative correlation with clay content (r = - 0.63), while textural gradient was positive (r = 0.42). The (Fe2O3) had low spatial variability, resulting in non-significant results. The greatest correlation was achieved with soil color (r = 0.67), indicating yellow soils at high DD landscapes. The landscape compartment was able to distinguish the relief positions related to DD. Each compartment was assumed as a soil map unit, presenting straight connections with soil classes.

Submitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2017-07-18T18:30:23Z No. of bitstreams: 1 2015 - Helena Saraiva Koenow Pinheiro.pdf: 14533188 bytes, checksum: 58cff5581549af698fe42ba33bd8aa71 (MD5) / Made available in DSpace on 2017-07-18T18:30:23Z (GMT). No. of bitstreams: 1 2015 - Helena Saraiva Koenow Pinheiro.pdf: 14533188 bytes, checksum: 58cff5581549af698fe42ba33bd8aa71 (MD5) Previous issue date: 2015-07-30 / CAPES / CNPq / FAPERJ / Quantitative soil-landscape models represent a new trend in soil surveys. In this regard, the various digital mapping techniques are applied to predict the natural patterns of occurrence of soil types. The objective of this study was to apply digital mapping techniques to predict soil classes and attributes in a watershed, with wide range of landscape conditions, in Rio de Janeiro State, in Brazil. The approach was based on tacit soil knowledge, regarding the choice of landscape attributes that represent the variability of soil-forming factors in the region. In regard to construct the predictive models, terrain variables were generate from the digital elevation model, geology map and remote sensing data. Ten terrain attributes were created on softwareArcGIS Desktop v. 10, such as altimetry, slope, curvature, parental material map, topographic compound index and euclidean distance of hydrography. In the software ERDAS Imagine v.9 were generated three indices derived from remote sensing data (Landsat 5 TM). They are: clay minerals, iron oxide and vegetation index normalized difference - NDVI. To represent the landscape forms was generated map the "geomorphons" maps, the GRASS-GIS program. To provide enough datato predict soil properties, additional terrain variables were derived from a digital elevation model (DEM) generated in the software SAGA-GIS. The work development was organized into three steps, presented as chapters. The first chapter comprised bibliography review and presents the context of the study. The detailed analysis of soil-landscape relationships, considering the variability of environmental attributes and characteristics of pedo-enviroments are performed on the second chapter. The predominant soils in the area were Ferralsols, Acrisols, Gleysols, Cambissolos, Fluvisols and Regosols. The third chapter presented the application of the landform maps (?geomorphons?) as a covariate to pretic soil classes by neural network approach. The fourth chapter targets the application of trees-based models (decision trees and random forest) to predict soil classes. The evaluation of the inferred products to represent the soil classes was performed based on statistical indices (kappa, overall), generalization of soil classes and validation with control samples. The best performance was observed for the random forest model that showed better values to statistical indices and better generalization of mapping units. The fifth chapter comprised the prediction of soil texture components on topsoil layer by using multiple linear regressions and regression trees. The analyses indicated better performance by using regression trees algorithm to all soil attributes (sand, silt, and clay), independent of the database (harmonized or original). All predictive models were implemented in R software. Additional research is needed to select an appropriated set of predictive covariates; as so, collect more soil samples to use as input to models and also validate of the final products. Soil survey research is important in the actual context once can enhance the information generated by the soil surveys, as well as to obtain useful information to the final users, as example of the maps that represent the spatial variability of soil texture components. / Modelos solo-paisagem quantitativos representam uma nova tend?ncia nos levantamentos de solos. Neste sentido, as diferentes t?cnicas de mapeamento digital s?o aplicadas para prever os padr?es naturais de ocorr?ncia de classes de solo. O objetivo deste trabalho foi a aplica??o de geotecnologias no mapeamento de classes e atributos dos solos em uma bacia hidrogr?fica, que apresenta grande varia??o de condi??es de paisagem, no Estado do Rio de Janeiro, Brasil. A abordagem foi baseada em conhecimento pedol?gico t?cito, culminando na escolha de atributos da paisagem que representem a variabilidade dos fatores de forma??o de solos na regi?o. Na constru??o do modelo solo-paisagem foram gerados no programa de computa??o ArcGIS Desktop v. 10, atributos relacionados a pedog?nese na ?rea em estudo, como geologia altimetria, declividade, curvatura, ?ndice topogr?fico composto e dist?ncia euclidiana de hidrografia. No programa ERDAS Imagine v.9 foram gerados tr?s ?ndices derivados de dados de sensoriamento remoto (Landsat 5 TM). S?o eles: clay minerals, iron oxide e ?ndice de vegeta??o por diferen?a normalizada ? NDVI. Para representar as formas do relevo foi gerado mapa com as dez formas mais comuns do relevo (?geomorphons?), no programa GRASS-GIS. Adicionalmente, a predi??o de atributos do solo contou com co-vari?veis derivadas do modelo digital de eleva??o (MDE) geradas no programa SAGA-GIS. O trabalho de tese foi dividido em etapas, apresentadas na forma de cap?tulos. O primeiro cap?tulo apresenta a revis?o de literatura espec?fica de contextualiza??o do trabalho. O estudo das rela??es solo-paisagem e da variabilidade dos atributos do terreno, a caracteriza??o das unidades de mapeamento com base no levantamento de campo, constituem o segundo cap?tulo. Os solos predominantes na ?rea foram: Latossolos, Argissolos, Gleissolos, Cambissolos, Neossolos Fl?vicos e Lit?licos. O terceiro cap?tulo tratou do uso do mapa de formas da paisagem (?geomorphons?) como vari?vel preditora para o mapeamento de classes de solos, por abordagem de redes neurais artificiais. O quarto cap?tulo teve como objetivo a aplica??o de modelos baseados em ?rvores (?rvores de decis?o e random forest) para a predi??o de classes de solos. A avalia??o dos produtos inferidos para classes de solos foi baseada em ?ndices estat?sticos (kappa, exatid?o global), generaliza??o das classes de solos e valida??o com amostras de controle. O melhor desempenho foi observado para o modelo random forest que apresentou valor superior para os ?ndices estat?sticos e melhor generaliza??o das unidades de mapeamento. O quinto cap?tulo compreendeu a predi??o da composi??o da textura na camada superficial do solo atrav?s de regress?es lineares m?ltiplas e ?rvores de regress?o. As an?lises indicaram desempenho superior do algoritmo de ?rvores de regress?o, para todos os atributos testados (areia, silte, argila), utilizando dados harmonizados ou originais. Todos os modelos preditivos foram aplicados no programa R. An?lises adicionais s?o necess?rias para ajudar a definir conjunto de co-vari?veis preditoras adequado, assim como a coleta de mais amostras de solo, tanto para o processo de modelagem como para valida??o dos produtos. Trabalhos dessa natureza s?o importantes no contexto global de melhor aproveitamento das informa??es geradas em levantamento de solos, assim como para obten??o de mapas de car?ter pr?tico, como ? o caso da distribui??o espacial de atributos dos solos.

A escassez de informações do solo que permitam o seu uso adequado, seja para fins agrícola, ambiental ou de projeto urbanos, pode ser minimizada com soluções provenientes do desenvolvimento de novas tecnologias. Nesse sentido, o presente estudo teve como objetivo aplicar duas estratégias digitais para obtenção de mapas de solos preliminares em áreas onde não foram realizados levantamentos pedológicos convencionais. As estratégias foram executadas com base em variáveis ambientais que estabelecem relações entre ocorrência de solos e suas posições na paisagem. A área de estudo compreendeu o município de Barra Bonita-SP, totalizando 11.072 ha. Para uso na predição dos solos pela técnica de Redes Neurais Artificiais (RNA) foram utilizadas as variáveis: declividade, elevação, perfil de curvatura, plano de curvatura e índice de convergência derivados de um Modelo Digital de Elevação (MDE), além das informações de geologia e das superfícies geomórficas identificadas na região. Na primeira estratégia, por meio de uma análise de agrupamento (Fuzzy k-médias) das variáveis, foram escolhidas cinco áreas chaves distribuídas na área de estudo, nas quais foi realizado levantamento de solos de nível semidetalhado para reconhecimento das unidades de mapeamento. Na estratégia 2, elaborou-se um mapa de solos de nível detalhado a partir de dados pré-existentes de apenas uma área chave, localizada no centro da região. Com a identificação das unidades de mapeamento foram gerados arquivos de treinamento e testes das redes neurais. Utilizou-se o simulador JavaNNS e o algoritmo de aprendizado backpropagation. Conjuntos de variáveis ambientais foram testados, avaliando a importância de cada variável na discriminação dos solos. A rede que exibiu melhor desempenho do índice Kappa foi utilizada para generalização de suas informações, obtendo os mapas digitais de solos. Pela aplicação de tabulação cruzada foram analisadas as correspondências espaciais entre os mapas digitais e um mapa convencional nível semidetalhado da região. Foram coletados pontos de referência para validar o desempenho dos mapas digitais. De acordo com a posição na paisagem e material de origem subjacente, notou-se tendência na ocorrência das classes de solos nas áreas chaves mapeadas. A mesma disposição dos solos foi observada nas classificações digitais. Os atributos do terreno elevação e declividade exibiram maior influência na distinção entre os solos pelas redes neurais em ambas as estratégias. A comparação com pontos de referência mostrou que o mapa digital produzido com base em unidades de mapeamento provenientes de abordagem convencional detalhada teve um desempenho superior (81,8% de concordância) ao mapa baseado em levantamento pedológico de nível semidetalhado (72,7%). Este estudo mostrou que a obtenção de mapas digitais de solos, com uso de variáveis ambientais que expressem a relação solo-paisagem, pode contribuir para a geração de informações preliminares do solo em locais não mapeados, a partir de unidades de mapeamento obtidas em áreas adjacentes. / The scarcity of land information to enable its proper use, whether for agricultural, environmental and urban design, can be minimized by solutions from the development of new technologies. Accordingly, this study aimed to apply two strategies to obtain digital maps of soil in areas where no preliminary surveys were carried out conventional pedological. The strategies were implemented based on environmental variables that establish relations between the occurrence of soils and their positions in the landscape. The study area comprised the municipality of Barra Bonita, SP, totaling 11,072 ha. For use in the prediction of soil by the technique of Artificial Neural Networks (ANN) were used variables: slope, elevation, profile curvature, plan curvature and convergence index derived from a Digital Elevation Model (DEM), in addition to information geology and geomorphic surfaces identified in the region. In the first strategy, through a cluster analysis (Fuzzy k-means) of variables, we selected five key areas distributed in the study area, soil survey being conducted semi-detailed level at these sites for recognition of the map units. In strategy 2, a map was drawn up detailed level of soil from pre-existing data of only one key area, located in the center of the region. Identifying the map units were generated files for training and testing of neural networks. Was used the simulator JavaNNS and learning algorithm \"backpropagation. Sets environmental variables were tested by assessing the importance of each variable to predict soil. The network showed better performance for the Kappa index was used to generalize their information, obtaining the digital soil maps. By applying cross tabulation analyzed the spatial correspondence between the digital maps and a conventional map of the region. Reference points were collected to validate the performance of digital maps. According to the position in the landscape and the underlying source material, was noticed a tendency of occurrence of soil classes in key areas mapped. The same arrangement was observed in the soil classifications digital. The attributes of the terrain elevation and slope exhibited a greater influence on the distinction between the soil by the neural networks in both strategies. The comparison with reference points showed that the digital map produced based on mapping units from the conventional approach detailed outperformed (81.8% agreement) to the map based on pedological survey of semi-detailed level (72.7 %). This study showed that to obtain digital maps of soils, use of environmental variables that express the soillandscape relationship, may contribute to the generation of information preeliminares soil in areas not mapped from map units obtained from adjacent areas.

A escassez de informações do solo que permitam o seu uso adequado, seja para fins agrícola, ambiental ou de projeto urbanos, pode ser minimizada com soluções provenientes do desenvolvimento de novas tecnologias. Nesse sentido, o presente estudo teve como objetivo aplicar duas estratégias digitais para obtenção de mapas de solos preliminares em áreas onde não foram realizados levantamentos pedológicos convencionais. As estratégias foram executadas com base em variáveis ambientais que estabelecem relações entre ocorrência de solos e suas posições na paisagem. A área de estudo compreendeu o município de Barra Bonita-SP, totalizando 11.072 ha. Para uso na predição dos solos pela técnica de Redes Neurais Artificiais (RNA) foram utilizadas as variáveis: declividade, elevação, perfil de curvatura, plano de curvatura e índice de convergência derivados de um Modelo Digital de Elevação (MDE), além das informações de geologia e das superfícies geomórficas identificadas na região. Na primeira estratégia, por meio de uma análise de agrupamento (Fuzzy k-médias) das variáveis, foram escolhidas cinco áreas chaves distribuídas na área de estudo, nas quais foi realizado levantamento de solos de nível semidetalhado para reconhecimento das unidades de mapeamento. Na estratégia 2, elaborou-se um mapa de solos de nível detalhado a partir de dados pré-existentes de apenas uma área chave, localizada no centro da região. Com a identificação das unidades de mapeamento foram gerados arquivos de treinamento e testes das redes neurais. Utilizou-se o simulador JavaNNS e o algoritmo de aprendizado backpropagation. Conjuntos de variáveis ambientais foram testados, avaliando a importância de cada variável na discriminação dos solos. A rede que exibiu melhor desempenho do índice Kappa foi utilizada para generalização de suas informações, obtendo os mapas digitais de solos. Pela aplicação de tabulação cruzada foram analisadas as correspondências espaciais entre os mapas digitais e um mapa convencional nível semidetalhado da região. Foram coletados pontos de referência para validar o desempenho dos mapas digitais. De acordo com a posição na paisagem e material de origem subjacente, notou-se tendência na ocorrência das classes de solos nas áreas chaves mapeadas. A mesma disposição dos solos foi observada nas classificações digitais. Os atributos do terreno elevação e declividade exibiram maior influência na distinção entre os solos pelas redes neurais em ambas as estratégias. A comparação com pontos de referência mostrou que o mapa digital produzido com base em unidades de mapeamento provenientes de abordagem convencional detalhada teve um desempenho superior (81,8% de concordância) ao mapa baseado em levantamento pedológico de nível semidetalhado (72,7%). Este estudo mostrou que a obtenção de mapas digitais de solos, com uso de variáveis ambientais que expressem a relação solo-paisagem, pode contribuir para a geração de informações preliminares do solo em locais não mapeados, a partir de unidades de mapeamento obtidas em áreas adjacentes. / The scarcity of land information to enable its proper use, whether for agricultural, environmental and urban design, can be minimized by solutions from the development of new technologies. Accordingly, this study aimed to apply two strategies to obtain digital maps of soil in areas where no preliminary surveys were carried out conventional pedological. The strategies were implemented based on environmental variables that establish relations between the occurrence of soils and their positions in the landscape. The study area comprised the municipality of Barra Bonita, SP, totaling 11,072 ha. For use in the prediction of soil by the technique of Artificial Neural Networks (ANN) were used variables: slope, elevation, profile curvature, plan curvature and convergence index derived from a Digital Elevation Model (DEM), in addition to information geology and geomorphic surfaces identified in the region. In the first strategy, through a cluster analysis (Fuzzy k-means) of variables, we selected five key areas distributed in the study area, soil survey being conducted semi-detailed level at these sites for recognition of the map units. In strategy 2, a map was drawn up detailed level of soil from pre-existing data of only one key area, located in the center of the region. Identifying the map units were generated files for training and testing of neural networks. Was used the simulator JavaNNS and learning algorithm \"backpropagation. Sets environmental variables were tested by assessing the importance of each variable to predict soil. The network showed better performance for the Kappa index was used to generalize their information, obtaining the digital soil maps. By applying cross tabulation analyzed the spatial correspondence between the digital maps and a conventional map of the region. Reference points were collected to validate the performance of digital maps. According to the position in the landscape and the underlying source material, was noticed a tendency of occurrence of soil classes in key areas mapped. The same arrangement was observed in the soil classifications digital. The attributes of the terrain elevation and slope exhibited a greater influence on the distinction between the soil by the neural networks in both strategies. The comparison with reference points showed that the digital map produced based on mapping units from the conventional approach detailed outperformed (81.8% agreement) to the map based on pedological survey of semi-detailed level (72.7 %). This study showed that to obtain digital maps of soils, use of environmental variables that express the soillandscape relationship, may contribute to the generation of information preeliminares soil in areas not mapped from map units obtained from adjacent areas.

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?