Mapas de solos frequentemente contém unidades de mapeamento combinadas, onde duas ou mais classes estão agrupadas, sendo que a distribuição espacial destas classes de solo dentro da unidade de mapeamento não é representada no mapa. Por meio das informações contidas em levantamentos de solos e do uso de ferramentas de Mapeamento Digital de Solos, é possível prever onde cada uma dessas classes se localiza. Baseado nisso, o objetivo desse estudo foi aumentar o detalhamento do mapa de solos de Porto Alegre a partir da desagregação de unidades de mapeamento combinadas e da predição da localização espacial das classes de solos. O mapa original de solos, com escala efetiva de 1:114.000, foi correlacionado com mapas de variáveis do terreno. Foram estabelecidas relações entre as variáveis e a ocorrência de solos dentro de cada unidade de mapeamento, considerando-se como referência 1) o mapa original de solos e 2) o mapa acrescido de 72 perfis de solos georreferenciados, a partir das quais foram elaboradas regras que definem a relação solo-paisagem. Estas regras foram utilizadas para treinar modelos de predição da ocorrência de solos, possibilitando a geração de mapas de solos. A avaliação da acurácia dos dois mapas preditos foi feita pela comparação com perfis de solos. Os resultados demonstraram que a metodologia utilizando os perfis de solos além do mapa de referência melhorou a acurácia do mapa predito em relação ao uso somente do mapa, passando de 72 para 81% de acertos. As maiores acurácias de predição foram constatadas quando prevendo a ocorrência de Neossolos, seguido dos Argissolos. A desagregação das unidades de mapeamento produziu um mapa com maior detalhamento, tendo a escala efetiva do mapa sido aumentada para 1:25.000, dessa forma fornecendo informações mais adequadas ao gerenciamento territorial municipal. / Soil maps often contain combined map units, where two or more soil classes are grouped, and the spatial distribution of these soil classes within the map unit is not represented on the map. By means of the information contained in soil surveys and the use of Digital Soil Mapping tools, it is possible to predict where each class is located. Based on this, the aim of this study was to improve the Porto Alegre Municipality Soil Map through the disaggregation of combined map units and the prediction of the soil classes spatial location. The original soil map, with an effective scale of 1:114,000, was correlated with maps of terrain variables. Relationships were established between the variables and the occurrence of soils within each mapping unit, considering as reference 1) the original soil map and 2) the map plus 72 geo-referenced soil profiles, from which rules that define the soil-landscape relationship were elaborated. These rules were used to train prediction models of soil occurrence, allowing the production of soil maps. The accuracy assessment of the two predicted maps was made by comparison with soil profiles. The results showed that the methodology using the soil profiles in addition to the reference map improved the accuracy of the predicted map in relation to the use of the map alone, increasing the accuracy from 72 to 81%. The highest prediction accuracy was found when predicting the occurrence of Entisols, followed by Ultisols. The disaggregation of the mapping units produced a map with greater detail, with the effective scale of the map increased to 1:25,000, thus providing more adequate information to the Municipality territorial management.

O mapeamento digital tem se tornado uma das mais importantes ferramentas na predição e mapeamento de solos. Apesar de sua importância, é ainda pouco difundido no Brasil, principalmente na predição e mapeamento de atributos de solo. O objetivo desta tese foi apresentar e avaliar diferentes modelos que podem ser utilizados no mapeamento digital de atributos de solo. Primeiramente foram discutidos e analisados diferentes modelos empíricos e, em sequência, também foram avaliados modelos mecanísticos. Dois estudos foram apresentados, um envolvendo um modelo empírico para predição e mapeamento de concentração e estoque de carbono no solo e outro utilizando modelos mecanísticos para predição de profundidade do solo e sua alteração com o tempo, em diferentes posições da paisagem. Os estudos foram aplicados no Vale dos Vinhedos, RS. Ambos modelos apresentaram validação satisfatória e capacidade de mapear atributos de solos. O modelo empírico apresentou maior dependência em relação aos dados de campo e seus resultados variaram de acordo com o método escolhido e o número e representatividade amostral. O modelo mecanístico se mostrou complexo e importante para identificar tendências de distribuição do atributo mapeado (profundidade do solo), apesar da impossibilidade de modelar todos os fenômenos envolvidos durante a pedogênese. Também apresentou menor dependência das condições amostrais e condições para melhor compreensão do comportamento dos elementos envolvidos durante os fenômenos naturais de pedogênese. Ambos modelos podem ser utilizados no mapeamento digital de solos, considerando as suas vantagens e respeitando as limitações de cada técnica utilizada. / The digital mapping has become one of the most important tools on soil predicting and mapping. Although the importance, it is still a poorly disseminated methodology in Brazil, mainly when applied in soil attributes prediction and mapping. This thesis aimed to present and evaluate different models that can be used in digital mapping of soil attributes. Firstly, different techniques from empirical models to predict and map were discussed. In sequence, techniques from mechanistic models were also evaluated. Two studies were presented. The first study involved an empirical model to predict and map soil organic carbon content and stocks. The second used a mechanistic model to predict soil thickness and its variation over time in different landscape positions. The studies were conducted in Vale dos Vinhedos, RS, Brazil. Both models performance were considered satisfactory and able to map soil attributes. The empirical models depended from soil samples and results varied conform the method chosen, the soil samples number and representativity. The mechanistic models showed complexity and it was important to identify soil thickness tendencies, despite the impossibility to model all the phenomena involved during the pedogenesis. It was less dependent from soil samples and allowed a better understanding about the elements behavior involved. Both models can be used in digital mapping of soil attributes, considering their advantages and respecting each technique limitations.

O Mapeamento Digital de Solos (MDS) se utiliza de modelos quantitativos para inferir as variações espaciais e temporais dos solos. Embora venha sendo empregado mundialmente, o MDS ainda não apresenta uma padronização de métodos e materiais. O objetivo deste trabalho foi avaliar e comparar o uso de diferentes metodologias e materiais para análise de dados e predição de ocorrência de classes de solos. Esta pesquisa é composta de uma revisão bibliográfica e de três estudos de predição de ocorrência de classes de solos utilizando técnicas do MDS. Na revisão bibliográfica é discutido e exemplificado o uso de algoritmos de árvores de decisão no MDS, sendo enfatizado o algoritmo CART (Classification And Regression Tree). No primeiro estudo, realizado no município de Dois Irmãos, foram avaliados e comparados os efeitos do uso de diferentes modelos digitais de elevação (MDE) sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. Os modelos preditores foram treinados com dados dos atributos do terreno derivados dos diferentes MDE e com informações de solos extraídas do mapa pedológico, na escala de 1:20.000. Os MDE com resolução espacial de 90 m possibilitaram gerar os modelos preditores mais acurados. Na bacia do Rio Santo Cristo, dois estudos foram desenvolvidos. No primeiro estudo realizado nesta bacia foi avaliado e comparado o uso de três esquemas de amostragem de dados para o treinamento dos modelos. A correlação foi gerada com dados de atributos do terreno e informações de solos oriundas de um mapa convencional de solos na escala de 1:50.000. Os esquemas de amostragem influenciaram na acurácia dos modelos preditores, sendo o modelo preditor treinado com dados da amostragem aleatória simples o mais acurado. No segundo estudo realizado para a bacia do Rio Santo Cristo, foi desenvolvido e avaliado um método que concilia o conhecimento pedológico às técnicas do MDS. Primeiramente, foi realizada a predição de ocorrência de classes de solos correlacionando atributos do terreno e a taxonomia de perfis de solos georreferenciados. Esta distribuição espacial das classes de solos foi utilizada para o pedólogo delinear manualmente as unidades de mapeamento de solos (UM). O mapa de UM gerado pelo método proposto apresentou valor da acurácia (avaliada pela verdade de campo) semelhante à de um mapa convencional de solos já existente. Assim, a associação do conhecimento do pedólogo à predição de classes de solo pelas técnicas do MDS demonstrou ser um método especialmente útil na falta de mapas pedológicos de referência para treinamento dos modelos preditores. / The Digital soil mapping (DSM) is used to infer spatial and temporal variations of soil by using quantitative models. Although it has been used worldwide, DSM does not present standardized methods and materials. The objective of this study was to evaluate and compare the use of different methodologies and materials for data analysis and prediction of occurrence of soil class. This research consists of a scientific review and three studies of prediction of occurrence of soil class using DSM techniques. In the scientific review is discussed and exemplified the use of decision tree algorithms to generate predictive models of occurrence of soil class, being emphasized the CART algorithm (Classification And Regression Tree). In the first predictive study, performed in the Dois Irmãos county, were evaluated and compared the effects of using different digital elevation models (DEM) on the ability models to predict the occurrence of soils classes. The prediction models were trained with data from terrain attributes derived from different DEM and soils information extracted from soil map at scale 1:20,000. The DEM with 90 m spatial resolution made it possible to generate the predictive models most accurate. In the Rio Santo Cristo basin, two studies were developed. In the first study of this basin was evaluated and compared three data sampling schemes for training the models. The correlation was generated with data from terrain attributes and soil information derived from a conventional soil map at a scale of 1:50,000. The sampling scheme to influence the accuracy of predictive models, with the model predictor trained with data from simple random sampling was more accurate. In the second study for the Santo Cristo river basin, was developed and evaluated a method that reconciles the soil knowledge of MDS techniques. First, was performed the prediction of occurrence of soil types correlating terrain attributes and taxonomy of soil profiles georeferenced. This spatial distribution of soil classes was used by the pedologist for delineating soil mapping units (MU). The map of MU generated by the proposed method showed values of accuracy (assessed by ground truth) similar to that of a conventional map of existing soils. Therefore, the combination of the knowledge of pedologist the prediction of soil classes by MDS techniques proved to be a particularly useful method in the absence of soil maps of reference for training predictive models.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Agronomia e Medicina Veterinária, Programa de Pós-Graduação em Agronomia, 2015. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-01-04T16:56:39Z No. of bitstreams: 1 2015_RosanaQuirinodeSouza.pdf: 4600023 bytes, checksum: 37d4930de357d85ae269e9de48d352f1 (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-01-08T15:12:33Z (GMT) No. of bitstreams: 1 2015_RosanaQuirinodeSouza.pdf: 4600023 bytes, checksum: 37d4930de357d85ae269e9de48d352f1 (MD5) / Made available in DSpace on 2016-01-08T15:12:33Z (GMT). No. of bitstreams: 1 2015_RosanaQuirinodeSouza.pdf: 4600023 bytes, checksum: 37d4930de357d85ae269e9de48d352f1 (MD5) / A execução de mapeamentos de solos no Brasil é uma demanda permanente na busca de conhecimentos precisos para subsidiar estudos pedogenéticos, planejamento da ocupação racional das terras, para a gestão ambiental e vários outros estudos envolvendo solos. As informações disponíveis acerca dos solos foram geradas em levantamentos realizados, particularmente nas décadas de 70 e 80, em escalas de pouco detalhamento. Uma das alternativas encontradas nas últimas décadas para otimizar os mapeamentos convencionais é o uso de técnicas quantitativas para predição espacial dos solos e de seus atributos, dentre essas técnicas pode-se citar o Mapeamento Digital de Solos. No Distrito Federal (DF), a principal fonte de informação pedológica se encontra em escala 1:100.000, e os dados disponíveis gerados nessa escala não possibilitam uma caracterização detalhada dos solos e o entendimento das relações entre os seus materiais de origem e superfícies geomorfológicas. Diante deste cenário, este trabalho teve como objetivo a geração de um modelo de distribuição de solos na microbacia do Ribeirão Salinas, DF, por meio do estabelecimento das relações entre solos, geologia e geomorfologia (pedomorfogeologia). Mediante análises morfológicas, físicas, químicas, mineralógicas e geoquímicas foram determinadas as classes de solos de ocorrência na microbacia estudada, particularmente solos que apresentam horizonte B textural e B nítico com desenvolvimento de classes de solos de ocorrência restrita no Planalto Central do Brasil. A caracterização e classificação destes solos juntamente com o estabelecimento das relações pedomorfogeológicas permitiram o mapeamento digital dos solos da microbacia do Ribeirão Salinas, DF, empregando a lógica fuzzy. / The implementation of soil maps in Brazil is a permanent demand in search of precise knowledge to support pedogenetic studies, planning of land rational occupation , for environmental management and various other studies involving soil. The available information about the soils were generated in surveys done, particularly in the 70s and 80s in little detail scales. One of the alternatives found in recent decades to optimize conventional mapping is the use of quantitative techniques for spatial prediction of soil and its attributes, among these techniques can cite the Digital Soil Mapping. In the Distrito Federal (DF), the main source of pedological information is in scale 1:100,000, and the available data generated on this scale don't provide a detailed soils characterization and the understanding of the relationships between its source materials and geomorphic surfaces. Against this background, this study aimed to generate a soil distribution model in the Ribeirão Salinas watershed, DF, through the establishment of relationships between soils, geology and geomorphology (pedomorphogeology). By morphological, physical, chemical, mineralogical and geochemical analyzes were determined occurrence of soil classes in the studied area, especially soils with argillic horizons with development of soils classes restricted in the Central Brazilian Plateau. The soils characterization and classification together with the establishment of pedomorphogeological relations allowed the soils digital mapping of Ribeirão Salinas watershed, DF, using fuzzy logic.

Resumo: O reconhecimento de padrões de alvos específicos presentes na paisagem urbana como telhados de edificações as quais não são padronizados, ou seja, possuem variadas formas geométricas, dimensões, cores e texturas não é uma tarefa simples devido à alta complexidade desses alvos. Detectar e discriminar esses alvos constitui tarefa fundamental nos processos de mapeamento baseados em análise de imagem. Entretanto, graças aos avanços tecnológicos incorporados às câmaras fotogramétricas digitais, tem-se percebido um aumento contínuo da resolução espectral. Isso torna possível adquirir imagens com maior potencial para a discriminação devido aos atributos espectrais. Como alternativa de sistema de aerolevantamento, foi desenvolvido o Sistema Aerotransportado de Aquisição e Pós- Processamento de Imagens Digitais (SAAPI) o qual é capaz de adquirir imagens aéreas multiespectrais com alta resolução espacial. O SAAPI é composto por sensores de quadro capazes de produzir imagens multiespectrais com características de flexibilidade, confiabilidade e baixo custo. Mas, esses dados espectrais devem ser avaliados em aplicações de reconhecimento de padrões para aprimorar sua utilização. Nesse contexto, este trabalho busca ajustar índices de realce para serem capazes de destacar alvos específicos como corpo d'água, sombra, via pavimentada e vegetação presentes na paisagem urbana registrados em imagens adquiridas pelo SAAPI. Também, foi desenvolvida uma abordagem para correção do efeito vinhete baseada na análise de superfície de tendência da resposta radiométrica de sombras. Os resultados obtidos foram satisfatórios e confirmaram que as abordagens desenvolvidas podem ser aplicadas em mapeamento de áreas urbanas para reconhecer e identificar alvos específicos nas imagens adquiridas pelo SAAPI. A análise de superfície de... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Pattern recognition of specific targets in the urban scenery is not a simple task due to its high complexity. Recognizing building roofs, per example, has very variable features like geometrical form, dimension, color and texture. Detection and discrimination of these targets are basic tasks in mapping processes which are based on image analysis. Technological advancements of digital cameras have helped to improve the continuous increase of spectral resolution. Consequently, it allows the acquisition of aerial image data with higher potential for target discrimination based on spectral response. As an alternative to areal surveying system, it was developed the Lightweight Airborne Image Acquisition System (SAAPI) in order to survey high resolution areal-based multispectral images. The SAAPI is made-up of sensors to produce multispectral images with characteristics of flexibility, reliability and low cost. However, these spectral data must be evaluated for pattern recognition applications. Thus, this research intends to adjust enhancement indexes to detection of specific targets in the urban scenery, like water, shadow, paved roads and vegetation in images taken through the SAAPI. It was also developed an approach for correcting the vignetting effect based on the trend surface analysis of shadow radiometric response. The findings are satisfactory and validate the use of the developed approach in urban areas mapping to recognize and identify specific targets, based on SAAPI images.... (Complete abstract click electronic access below) / Orientador: Messias Meneguette Júnior / Coorientador: Marco Antonio Piteri / Banca: João Fernando Custódio da Silva / Banca: Ricardo Luís Barbosa / Mestre

Mapas de solos frequentemente contém unidades de mapeamento combinadas, onde duas ou mais classes estão agrupadas, sendo que a distribuição espacial destas classes de solo dentro da unidade de mapeamento não é representada no mapa. Por meio das informações contidas em levantamentos de solos e do uso de ferramentas de Mapeamento Digital de Solos, é possível prever onde cada uma dessas classes se localiza. Baseado nisso, o objetivo desse estudo foi aumentar o detalhamento do mapa de solos de Porto Alegre a partir da desagregação de unidades de mapeamento combinadas e da predição da localização espacial das classes de solos. O mapa original de solos, com escala efetiva de 1:114.000, foi correlacionado com mapas de variáveis do terreno. Foram estabelecidas relações entre as variáveis e a ocorrência de solos dentro de cada unidade de mapeamento, considerando-se como referência 1) o mapa original de solos e 2) o mapa acrescido de 72 perfis de solos georreferenciados, a partir das quais foram elaboradas regras que definem a relação solo-paisagem. Estas regras foram utilizadas para treinar modelos de predição da ocorrência de solos, possibilitando a geração de mapas de solos. A avaliação da acurácia dos dois mapas preditos foi feita pela comparação com perfis de solos. Os resultados demonstraram que a metodologia utilizando os perfis de solos além do mapa de referência melhorou a acurácia do mapa predito em relação ao uso somente do mapa, passando de 72 para 81% de acertos. As maiores acurácias de predição foram constatadas quando prevendo a ocorrência de Neossolos, seguido dos Argissolos. A desagregação das unidades de mapeamento produziu um mapa com maior detalhamento, tendo a escala efetiva do mapa sido aumentada para 1:25.000, dessa forma fornecendo informações mais adequadas ao gerenciamento territorial municipal. / Soil maps often contain combined map units, where two or more soil classes are grouped, and the spatial distribution of these soil classes within the map unit is not represented on the map. By means of the information contained in soil surveys and the use of Digital Soil Mapping tools, it is possible to predict where each class is located. Based on this, the aim of this study was to improve the Porto Alegre Municipality Soil Map through the disaggregation of combined map units and the prediction of the soil classes spatial location. The original soil map, with an effective scale of 1:114,000, was correlated with maps of terrain variables. Relationships were established between the variables and the occurrence of soils within each mapping unit, considering as reference 1) the original soil map and 2) the map plus 72 geo-referenced soil profiles, from which rules that define the soil-landscape relationship were elaborated. These rules were used to train prediction models of soil occurrence, allowing the production of soil maps. The accuracy assessment of the two predicted maps was made by comparison with soil profiles. The results showed that the methodology using the soil profiles in addition to the reference map improved the accuracy of the predicted map in relation to the use of the map alone, increasing the accuracy from 72 to 81%. The highest prediction accuracy was found when predicting the occurrence of Entisols, followed by Ultisols. The disaggregation of the mapping units produced a map with greater detail, with the effective scale of the map increased to 1:25,000, thus providing more adequate information to the Municipality territorial management.

O mapeamento digital tem se tornado uma das mais importantes ferramentas na predição e mapeamento de solos. Apesar de sua importância, é ainda pouco difundido no Brasil, principalmente na predição e mapeamento de atributos de solo. O objetivo desta tese foi apresentar e avaliar diferentes modelos que podem ser utilizados no mapeamento digital de atributos de solo. Primeiramente foram discutidos e analisados diferentes modelos empíricos e, em sequência, também foram avaliados modelos mecanísticos. Dois estudos foram apresentados, um envolvendo um modelo empírico para predição e mapeamento de concentração e estoque de carbono no solo e outro utilizando modelos mecanísticos para predição de profundidade do solo e sua alteração com o tempo, em diferentes posições da paisagem. Os estudos foram aplicados no Vale dos Vinhedos, RS. Ambos modelos apresentaram validação satisfatória e capacidade de mapear atributos de solos. O modelo empírico apresentou maior dependência em relação aos dados de campo e seus resultados variaram de acordo com o método escolhido e o número e representatividade amostral. O modelo mecanístico se mostrou complexo e importante para identificar tendências de distribuição do atributo mapeado (profundidade do solo), apesar da impossibilidade de modelar todos os fenômenos envolvidos durante a pedogênese. Também apresentou menor dependência das condições amostrais e condições para melhor compreensão do comportamento dos elementos envolvidos durante os fenômenos naturais de pedogênese. Ambos modelos podem ser utilizados no mapeamento digital de solos, considerando as suas vantagens e respeitando as limitações de cada técnica utilizada. / The digital mapping has become one of the most important tools on soil predicting and mapping. Although the importance, it is still a poorly disseminated methodology in Brazil, mainly when applied in soil attributes prediction and mapping. This thesis aimed to present and evaluate different models that can be used in digital mapping of soil attributes. Firstly, different techniques from empirical models to predict and map were discussed. In sequence, techniques from mechanistic models were also evaluated. Two studies were presented. The first study involved an empirical model to predict and map soil organic carbon content and stocks. The second used a mechanistic model to predict soil thickness and its variation over time in different landscape positions. The studies were conducted in Vale dos Vinhedos, RS, Brazil. Both models performance were considered satisfactory and able to map soil attributes. The empirical models depended from soil samples and results varied conform the method chosen, the soil samples number and representativity. The mechanistic models showed complexity and it was important to identify soil thickness tendencies, despite the impossibility to model all the phenomena involved during the pedogenesis. It was less dependent from soil samples and allowed a better understanding about the elements behavior involved. Both models can be used in digital mapping of soil attributes, considering their advantages and respecting each technique limitations.

O Mapeamento Digital de Solos (MDS) se utiliza de modelos quantitativos para inferir as variações espaciais e temporais dos solos. Embora venha sendo empregado mundialmente, o MDS ainda não apresenta uma padronização de métodos e materiais. O objetivo deste trabalho foi avaliar e comparar o uso de diferentes metodologias e materiais para análise de dados e predição de ocorrência de classes de solos. Esta pesquisa é composta de uma revisão bibliográfica e de três estudos de predição de ocorrência de classes de solos utilizando técnicas do MDS. Na revisão bibliográfica é discutido e exemplificado o uso de algoritmos de árvores de decisão no MDS, sendo enfatizado o algoritmo CART (Classification And Regression Tree). No primeiro estudo, realizado no município de Dois Irmãos, foram avaliados e comparados os efeitos do uso de diferentes modelos digitais de elevação (MDE) sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. Os modelos preditores foram treinados com dados dos atributos do terreno derivados dos diferentes MDE e com informações de solos extraídas do mapa pedológico, na escala de 1:20.000. Os MDE com resolução espacial de 90 m possibilitaram gerar os modelos preditores mais acurados. Na bacia do Rio Santo Cristo, dois estudos foram desenvolvidos. No primeiro estudo realizado nesta bacia foi avaliado e comparado o uso de três esquemas de amostragem de dados para o treinamento dos modelos. A correlação foi gerada com dados de atributos do terreno e informações de solos oriundas de um mapa convencional de solos na escala de 1:50.000. Os esquemas de amostragem influenciaram na acurácia dos modelos preditores, sendo o modelo preditor treinado com dados da amostragem aleatória simples o mais acurado. No segundo estudo realizado para a bacia do Rio Santo Cristo, foi desenvolvido e avaliado um método que concilia o conhecimento pedológico às técnicas do MDS. Primeiramente, foi realizada a predição de ocorrência de classes de solos correlacionando atributos do terreno e a taxonomia de perfis de solos georreferenciados. Esta distribuição espacial das classes de solos foi utilizada para o pedólogo delinear manualmente as unidades de mapeamento de solos (UM). O mapa de UM gerado pelo método proposto apresentou valor da acurácia (avaliada pela verdade de campo) semelhante à de um mapa convencional de solos já existente. Assim, a associação do conhecimento do pedólogo à predição de classes de solo pelas técnicas do MDS demonstrou ser um método especialmente útil na falta de mapas pedológicos de referência para treinamento dos modelos preditores. / The Digital soil mapping (DSM) is used to infer spatial and temporal variations of soil by using quantitative models. Although it has been used worldwide, DSM does not present standardized methods and materials. The objective of this study was to evaluate and compare the use of different methodologies and materials for data analysis and prediction of occurrence of soil class. This research consists of a scientific review and three studies of prediction of occurrence of soil class using DSM techniques. In the scientific review is discussed and exemplified the use of decision tree algorithms to generate predictive models of occurrence of soil class, being emphasized the CART algorithm (Classification And Regression Tree). In the first predictive study, performed in the Dois Irmãos county, were evaluated and compared the effects of using different digital elevation models (DEM) on the ability models to predict the occurrence of soils classes. The prediction models were trained with data from terrain attributes derived from different DEM and soils information extracted from soil map at scale 1:20,000. The DEM with 90 m spatial resolution made it possible to generate the predictive models most accurate. In the Rio Santo Cristo basin, two studies were developed. In the first study of this basin was evaluated and compared three data sampling schemes for training the models. The correlation was generated with data from terrain attributes and soil information derived from a conventional soil map at a scale of 1:50,000. The sampling scheme to influence the accuracy of predictive models, with the model predictor trained with data from simple random sampling was more accurate. In the second study for the Santo Cristo river basin, was developed and evaluated a method that reconciles the soil knowledge of MDS techniques. First, was performed the prediction of occurrence of soil types correlating terrain attributes and taxonomy of soil profiles georeferenced. This spatial distribution of soil classes was used by the pedologist for delineating soil mapping units (MU). The map of MU generated by the proposed method showed values of accuracy (assessed by ground truth) similar to that of a conventional map of existing soils. Therefore, the combination of the knowledge of pedologist the prediction of soil classes by MDS techniques proved to be a particularly useful method in the absence of soil maps of reference for training predictive models.

O Mapeamento Digital de Solos (MDS) se utiliza de modelos quantitativos para inferir as variações espaciais e temporais dos solos. Embora venha sendo empregado mundialmente, o MDS ainda não apresenta uma padronização de métodos e materiais. O objetivo deste trabalho foi avaliar e comparar o uso de diferentes metodologias e materiais para análise de dados e predição de ocorrência de classes de solos. Esta pesquisa é composta de uma revisão bibliográfica e de três estudos de predição de ocorrência de classes de solos utilizando técnicas do MDS. Na revisão bibliográfica é discutido e exemplificado o uso de algoritmos de árvores de decisão no MDS, sendo enfatizado o algoritmo CART (Classification And Regression Tree). No primeiro estudo, realizado no município de Dois Irmãos, foram avaliados e comparados os efeitos do uso de diferentes modelos digitais de elevação (MDE) sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. Os modelos preditores foram treinados com dados dos atributos do terreno derivados dos diferentes MDE e com informações de solos extraídas do mapa pedológico, na escala de 1:20.000. Os MDE com resolução espacial de 90 m possibilitaram gerar os modelos preditores mais acurados. Na bacia do Rio Santo Cristo, dois estudos foram desenvolvidos. No primeiro estudo realizado nesta bacia foi avaliado e comparado o uso de três esquemas de amostragem de dados para o treinamento dos modelos. A correlação foi gerada com dados de atributos do terreno e informações de solos oriundas de um mapa convencional de solos na escala de 1:50.000. Os esquemas de amostragem influenciaram na acurácia dos modelos preditores, sendo o modelo preditor treinado com dados da amostragem aleatória simples o mais acurado. No segundo estudo realizado para a bacia do Rio Santo Cristo, foi desenvolvido e avaliado um método que concilia o conhecimento pedológico às técnicas do MDS. Primeiramente, foi realizada a predição de ocorrência de classes de solos correlacionando atributos do terreno e a taxonomia de perfis de solos georreferenciados. Esta distribuição espacial das classes de solos foi utilizada para o pedólogo delinear manualmente as unidades de mapeamento de solos (UM). O mapa de UM gerado pelo método proposto apresentou valor da acurácia (avaliada pela verdade de campo) semelhante à de um mapa convencional de solos já existente. Assim, a associação do conhecimento do pedólogo à predição de classes de solo pelas técnicas do MDS demonstrou ser um método especialmente útil na falta de mapas pedológicos de referência para treinamento dos modelos preditores. / The Digital soil mapping (DSM) is used to infer spatial and temporal variations of soil by using quantitative models. Although it has been used worldwide, DSM does not present standardized methods and materials. The objective of this study was to evaluate and compare the use of different methodologies and materials for data analysis and prediction of occurrence of soil class. This research consists of a scientific review and three studies of prediction of occurrence of soil class using DSM techniques. In the scientific review is discussed and exemplified the use of decision tree algorithms to generate predictive models of occurrence of soil class, being emphasized the CART algorithm (Classification And Regression Tree). In the first predictive study, performed in the Dois Irmãos county, were evaluated and compared the effects of using different digital elevation models (DEM) on the ability models to predict the occurrence of soils classes. The prediction models were trained with data from terrain attributes derived from different DEM and soils information extracted from soil map at scale 1:20,000. The DEM with 90 m spatial resolution made it possible to generate the predictive models most accurate. In the Rio Santo Cristo basin, two studies were developed. In the first study of this basin was evaluated and compared three data sampling schemes for training the models. The correlation was generated with data from terrain attributes and soil information derived from a conventional soil map at a scale of 1:50,000. The sampling scheme to influence the accuracy of predictive models, with the model predictor trained with data from simple random sampling was more accurate. In the second study for the Santo Cristo river basin, was developed and evaluated a method that reconciles the soil knowledge of MDS techniques. First, was performed the prediction of occurrence of soil types correlating terrain attributes and taxonomy of soil profiles georeferenced. This spatial distribution of soil classes was used by the pedologist for delineating soil mapping units (MU). The map of MU generated by the proposed method showed values of accuracy (assessed by ground truth) similar to that of a conventional map of existing soils. Therefore, the combination of the knowledge of pedologist the prediction of soil classes by MDS techniques proved to be a particularly useful method in the absence of soil maps of reference for training predictive models.

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil. / Made available in DSpace on 2012-10-17T01:28:50Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T22:34:34Z : No. of bitstreams: 1 142451.pdf: 21977421 bytes, checksum: 5129bf065a7bf3584065cf5d701c9499 (MD5)