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.

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.

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.

A repressão ao tráfico de drogas tem sido um dos principais focos de ação da segurança pública nacional e internacional, devido aos graves problemas de saúde pública associados ao consumo, bem como a grande quantidade de crimes associados ou resultantes deste consumo. Os resultados do Relatório Mundial de Drogas de 2013 das Nações Unidas mostram que a demanda estimada por drogas não está reduzindo consideravelmente. Conforme este relatório, a maconha continua sendo a substância ilícita mais utilizada no mundo, embora tenha havido uma redução no crescimento de seus usuários. Uma das formas de combater o tráfico de drogas, direcionando as investigações e apontando as possíveis rotas, é a identificação de sua origem pela rastreabilidade. Isso pode ser realizado através da observação da composição química ou orgânica do material, baseando‐se no conceito de marcadores. No caso da maconha, em que o uso direto de partes da planta, os marcadores podem ser identificados na composição da própria planta, influenciados pelas características genotípicas das plantas e pelas condições ambientais a que estas estão submedidas durante o desenvolvimento. Assim, foram realizadas análises da concentração química elementar, das relações isotópicas de 15N/14N e 13C/12C e de marcadores genéticos específicos em amostras de Cannabis coletadas em diferentes pontos ou locais de cultivo no Nordeste brasileiro, cultivadas em ambiente controlado e apreendidas em ações policiais, a fim de identificar corretamente o local de cultivo (rastrear sua origem). Os resultados obtidos foram processados no método estatístico multivariado de análise discriminante múltipla. As análises de concentração química elementar e o sistema de marcadores genéticos utilizados para rastrear a origem da Cannabis mostraram capacidade de classificar corretamente as amostras avaliadas, de acordo com o seu local de cultivo ou coleta. Por outro lado, a relação isotópica não foi adequada para separar as amostras de tecido vegetal de Cannabis, de acordo com seu local de cultivo ou coleta no Nordeste brasileiro. Dessa forma, verificou-se que as análises da concentração química elementar e de genotipagem por sistema de marcadores (multiplex 13-loci STR) podem ser utilizadas como marcadores ou indicadores para rastrear a origem de amostras de Cannabis, inclusive com a exatidão necessária para uso policial e forense. / The repression of drug trafficking has been one of the main action focus of national and international public security, due to the serious public health problems associated to the drug consumption, as well as the large amount of crimes associated or resulting from drug consumption. The results of World Report on Drugs of 2013 by the United Nations show that the estimated demand for drugs is not reducing considerably. According to this report, marijuana continues to be the most used illicit substance in the world, although there had been a reduction in the increase of its users. One of the ways to combat drug trafficking, leading investigations and pointing out possible routes, is the identification of its origin through traceability. That can be accomplished through the observation of the chemical or organic material composition, based on markers concept. In the case of marijuana, in which direct use of parts of the plant, the markers can be identified in the composition of the plant itself, influenced by the plant genotypic characteristics and the environmental conditions to which they are submeasured during development. Thus, analysis of elemental chemical concentration, stable isotopes analysis (15N/14N and 13C/12C) and specific genetic markers were performed on Cannabis samples collected in different cultivation sites in Brazilian Northeast, samples from plants grown in a controlled environment and police seized samples, in order to identify correctly the cultivation place (trace its origin). The achieved results were processed in the multiple discriminant analysis (MDA). The analysis of elemental chemical concentration and the genetic markers system used to trace the origin of Cannabis showed the ability to classify correctly the evaluated samples, according to their cultivation or collection site. On the other hand, the stable isotopes analysis was not suitable for sorting out the samples of Cannabis plant tissue, in accordance with their cultivation place in Brazilian Northeast. Therefore, it has verified that analysis of elemental chemical concentration and genotyping by markers system (multiplex 13 – loci STR) may be used as markers or indicators to trace out the origin of Cannabis samples, even with the required accuracy for police and forensic use.

O Estado do Rio Grande do Sul é responsável por 90% da produção nacional de uvas, sobretudo para a elaboração de vinhos finos. O município de Encruzilhada do Sul apresenta potencial edafoclimático ideal para a produção de uvas que abastecem grandes vinícolas da Serra Gaúcha. Entretanto o uso indiscriminado do solo pode resultar em uma degradação do solo. Este trabalho foi dividido em três estudos, que tiveram como objetivo Identificar as classes de solos ocorrentes no vinhedo, de acordo com a descrição morfológica e análise dos atributos químicos e físicos dos horizontes superficiais e subsuperficiais; Avaliar o efeito do manejo na qualidade química do solo de um vinhedo comercial, em áreas com 4, 9 e 16 anos de manejo após o plantio de videira da variedade Vitis vinifera L. cv. Pinot Noir para a elaboração de espumantes; Avaliar o efeito do tráfego de máquinas agrícolas na qualidade física do solo de um vinhedo comercial com diferentes anos de condução após o plantio das mudas. Foram realizados análises de perfis de 8 trincheiras em campo e com análises laboratoriais. Foi realizado o estudo dos atributos químicos e físicos do solo utilizados como indicadores de qualidade do solo, para avaliar o efeito do manejo do vinhedo com 4, 9 e 16 anos de condução após o plantio das mudas. Para análise da qualidade química do solo foram coletadas amostras indeformadas do solo nas profundidades de 0-10, 10-20, 20-30, 30-40, 40-50 e 50-60 cm, em três repetições. Os atributos físicos do solo foram analisados nas mesmas áreas e profundidades, que foram coletadas no local de trafego do rodado (R), entre rodados (ER) e linha de plantio (LP). 80% da propriedade é constituída por Argissolos diversificados, além de Cambissolos, estes ideais para a cultura da videira. Além desses solos, foi identificado na propriedade a presença de Gleissolo, que não são recomendados para o cultivo devido ao seu caráter hidromórfico. Pode-se observar uma redução na acidez do solo e incremento da fertilidade devido ao histórico de cultivo do vinhedo. Para a análise dos indicadores de qualidade física do solo, foram coletadas amostras do solo nas mesmas profundidades, em três locais na entrelinha: entre rodados, rodados e linha de plantio. A área com 16 anos de condução após o plantio apresentou maior efeito do uso de máquinas no vinhedo, sobretudo na posição de tráfego dos rodados do trator, afetando seriamente a qualidade física devido à compactação e baixa infiltração de água no solo. / The State of Rio Grande do Sul is responsible for 90% of the national production of grapes, mainly for the elaboration of fine wines. The municipality of Encruzilhada do Sul presents ideal edafoclimatic potential for the production of grapes that supply large wineries in the Serra Gaúcha. However the indiscriminate use of the soil can result in a degradation of the soil. This work was divided into three studies, which aimed to identify the soil classes occurring in the vineyard, according to the morphological description and analysis of the chemical and physical attributes of the superficial and subsurface horizons; To evaluate the effect of the management on the chemical quality of the soil of a commercial vineyard in areas with 4, 9 and 16 years of management after planting Vitis vinifera L. cv. Pinot Noir for the preparation of sparkling wines; To evaluate the effect of the traffic of agricultural machines on the physical quality of the soil of a commercial vineyard with different years of driving after planting the seedlings. Analyzes of profiles of 8 trenches were carried out in the field and with laboratory analyzes. The study of soil chemical and physical attributes used as soil quality indicators was carried out to evaluate the effect of vineyard management at 4, 9 and 16 years of age after planting the seedlings. For the analysis of soil chemical quality, undisturbed soil samples were collected at depths of 0-10, 10-20, 20-30, 30-40, 40-50 and 50-60 cm in three replicates. The physical attributes of the soil were analyzed in the same areas and depths, which were collected in the traffic site of the wheel tracks of the tractor (WT), between the wheel tracks (BWT), and in the area under the line projection of the canopy (CLP). 80% of the property consists of diversified Argissolos, in addition to Cambisols, these are ideal for vine growing. In addition to these soils, the presence of Gleissolo was identified in the property, which are not recommended for cultivation due to its hydromorphic character. A reduction in soil acidity and an increase in fertility can be observed due to the vineyard's cultivation history. For the analysis of soil physical quality indicators, soil samples were collected at the same depths, at three sites in the interline: between rounds, rounds and planting line. The area with 16 years of driving after planting showed a greater effect of the use of machines in the vineyard, especially in the traffic position of tractor wheels, seriously affecting the physical quality due to compaction and low infiltration of water in the soil.

A carência de dados de solos estimulou o desenvolvimento de técnicas de modelagem digital para estimar classes ou propriedades dos solos. Este trabalho compara quatro algoritmos de aprendizagem de máquina, três redes neurais (Fuzzy ARTMap, SOM e MLP) e uma árvore de decisão (Gini), na predição de ordens de solos no Vale dos Vinhedos, Rio Grande do Sul, Brasil. O material utilizado inclui um Modelo Numérico do Terreno (MNT) com resolução de 5 metros, uma base cartográfica digital em escala 1:5.000, um mapa convencional detalhado de solos e o software de Sistema de Informação Geográfica (SIG) Idrisi. A partir do MNT e da base foram calculadas sete variáveis topográficas e hidrológicas, cujos valores e a ordem de solo foram lidos em pontos aleatoriamente distribuídos com cinco densidades de amostragem: 0,5, 1, 1,5, 2 e 4 pontos.ha-1. Os dados obtidos nos pontos foram empregados para treinar os algoritmos e classificar as ordens de solos no restante da área de estudo. A avaliação de acurácia foi realizada através de matriz de erros, exatidão geral e índice Kappa, tomando o mapa convencional como referência. A árvore de decisão obteve melhor exatidão geral (71%) e índice Kappa (0,58), com 2 pontos.ha-1, e apresentou menor sensibilidade à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1 ponto.ha-1. A rede neural MLP alcançou desempenho próximo à árvore de decisão, mas foi mais sensível à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1,5 pontos.ha-1. A árvore de decisão Gini e a rede neural MLP mostraram potencial para a predição de ordens de solos em escala de detalhe. / The lack of spatial soil data has stimulated the development of modeling techniques for predicting soil classes or soils properties. This work compares four machine learning algorithms, three neural networks (Fuzzy ARTMap, SOM, and MLP) and a decision tree (Gini), to predict soil classes in the State Rio Grande do Sul, Brazil. A digital elevation model (DEM) with spatial resolution of 5 meters, a digital cartographic base at 1:5,000 scale, and a detailed conventional soil map were used to run the models on Idrisi GIS software. Seven topographic and hydrological variables were derived from the DEM and the cartographic base, and values were read in randomly distributed sampling points with five sampling densities: 0.5, 1, 1.5, 2 and 4 sampling points per hectare. Data read at sample points were used to train the algorithms and to estimate soil classes in the whole study area. Accuracy was evaluated using error matrices, overall accuracy and Kappa Index, using the conventional soil map as reference for comparison. The best overall accuracy (71%) and Kappa Index (0.58) were obtained by the Gini decision tree with sampling density of 2 points per hectare. Decision tree was less sensitive to sampling density, obtaining Kappa Index above 0.5 in all sampling densities equal or higher than 1 point per hectare. Neural network MLP (Multi-layer Perceptron) showed a similar performance, but was more sensitive to sampling density, obtaining Kappa Index above 0.5 only with sampling densities equal or higher than 1.5 points per hectare. Gini decision tree and neural network MLP showed potential to predict soil class at detailed scale.

A carência de dados de solos estimulou o desenvolvimento de técnicas de modelagem digital para estimar classes ou propriedades dos solos. Este trabalho compara quatro algoritmos de aprendizagem de máquina, três redes neurais (Fuzzy ARTMap, SOM e MLP) e uma árvore de decisão (Gini), na predição de ordens de solos no Vale dos Vinhedos, Rio Grande do Sul, Brasil. O material utilizado inclui um Modelo Numérico do Terreno (MNT) com resolução de 5 metros, uma base cartográfica digital em escala 1:5.000, um mapa convencional detalhado de solos e o software de Sistema de Informação Geográfica (SIG) Idrisi. A partir do MNT e da base foram calculadas sete variáveis topográficas e hidrológicas, cujos valores e a ordem de solo foram lidos em pontos aleatoriamente distribuídos com cinco densidades de amostragem: 0,5, 1, 1,5, 2 e 4 pontos.ha-1. Os dados obtidos nos pontos foram empregados para treinar os algoritmos e classificar as ordens de solos no restante da área de estudo. A avaliação de acurácia foi realizada através de matriz de erros, exatidão geral e índice Kappa, tomando o mapa convencional como referência. A árvore de decisão obteve melhor exatidão geral (71%) e índice Kappa (0,58), com 2 pontos.ha-1, e apresentou menor sensibilidade à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1 ponto.ha-1. A rede neural MLP alcançou desempenho próximo à árvore de decisão, mas foi mais sensível à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1,5 pontos.ha-1. A árvore de decisão Gini e a rede neural MLP mostraram potencial para a predição de ordens de solos em escala de detalhe. / The lack of spatial soil data has stimulated the development of modeling techniques for predicting soil classes or soils properties. This work compares four machine learning algorithms, three neural networks (Fuzzy ARTMap, SOM, and MLP) and a decision tree (Gini), to predict soil classes in the State Rio Grande do Sul, Brazil. A digital elevation model (DEM) with spatial resolution of 5 meters, a digital cartographic base at 1:5,000 scale, and a detailed conventional soil map were used to run the models on Idrisi GIS software. Seven topographic and hydrological variables were derived from the DEM and the cartographic base, and values were read in randomly distributed sampling points with five sampling densities: 0.5, 1, 1.5, 2 and 4 sampling points per hectare. Data read at sample points were used to train the algorithms and to estimate soil classes in the whole study area. Accuracy was evaluated using error matrices, overall accuracy and Kappa Index, using the conventional soil map as reference for comparison. The best overall accuracy (71%) and Kappa Index (0.58) were obtained by the Gini decision tree with sampling density of 2 points per hectare. Decision tree was less sensitive to sampling density, obtaining Kappa Index above 0.5 in all sampling densities equal or higher than 1 point per hectare. Neural network MLP (Multi-layer Perceptron) showed a similar performance, but was more sensitive to sampling density, obtaining Kappa Index above 0.5 only with sampling densities equal or higher than 1.5 points per hectare. Gini decision tree and neural network MLP showed potential to predict soil class at detailed scale.