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.

O estudo teve por objetivo caracterizar e correlacionar os elementos do meio físico biótico, drenagem, geologia, formas de relevo, cobertura vegetal, solos e uso da terra, através da interpretação de fotografias aéreas, imagens de satélite e trabalhos de campo, bem como testar a técnica de amostragem circular de rede de drenagem para identificar unidades de mapeamento de solos no complexo Serra do Mar em São Paulo, que correspondem a áreas de difícil acesso, escarpadas, com densa rede de drenagem e densamente florestadas. A bacia do Guaratuba caracteriza-se por apresentar distintos compartimentos: a planície litorânea, onde ocorrem sedimentos marinhos e flúvio-marinhos sobre os quais se desenvolve uma vegetação pioneira herbácea e arbórea, com solos que apresentam em geral hidromorfismo (podzol e glei); o planalto, caracterizado por gnaisses com feições amorreadas, alternando solos podzólicos, cambissolos e litólicos sob floresta pluvial tropical; e, as serras e escarpas abruptas, revestidas por formações superficiais pouco espessas (litossolos e cambissolos) sobre granito, recobertas pelas florestas tropicais. Apresenta clima com precipitações acima de 2.000 mm por ano, sem estação seca definida e temperatura média anual de 19 a 25ºC. Como resultado foram produzidos os mapas da rede de drenagem, geologia, formas de relevo, declividade, hipsometria, vegetação e solos. Elaboraram-se também, 48 amostras circulares de 50 ha distribuídas pelos compartimentos do planalto, escarpa e planície litorânea na bacia do rio Guaratuba, trabalhando-se ainda, pontualmente em detalhe, com toposseqüências pedológicas. Concluiu-se com o estudo de amostras circulares, que o padrão de drenagem indica as formações geológicas predominantes, enquanto o número de rios e seus índices correlatos indicam os solos e o material superficial. A aplicação estatística aos índices de número, comprimento de rios, relevo, declive, geologia e vegetação mostrou-se mais eficiente na separação de grupamentos de solos nos subcompartimentos, agrupando amostras com mesmas associações de solos, facilitando o mapeamento. Conclui-se, ainda, que os elementos influenciam a distribuição e composição dos solos, devido à relação infiltração/deflúvio, que comanda o desenvolvimento e espessura dos mantos de alteração, modelando a topografia e, consequentemente, propiciando a instalação da vegetação. Para as zonas litorâneas, o relevo, a vegetação natural e o material geológico delimitam e definem unidades de solos distintas, podendo estes, serem mapeados por meio desses elementos. Assim, a vegetação exuberante e o clima local quente e úmido em toda a bacia, permitem dizer que na planície litorânea, as formas de relevo e a drenagem são os principais fatores no desenvolvimento dos solos, enquanto na escarpa e planalto, a declividade e o material de origem tornam-se mais decisivos. Observa-se portanto, uma relação direta entre os compartimentos morfológicos, a vegetação natural, a geologia e os solos nesta bacia hidrográfica, enquanto o detalhamento por toposseqüências, indica processos de transformação e evolução morfopedológicos, como as passagens de solos podzois para glei e de podzois para solos orgânicos, que fornecem indícios sobre a gênese e evolução da paisagem. O trabalho de mapeamento da zona litorânea, permite extrapolar os resultados para áreas contíguas, definindo as associações de solos, bem como a estrutura da cobertura vegetal natural e as formas de relevo presentes. Este fato deve ser observado em zonas que apresentem material geológico similar (granitos, gnaisses e respectivos sedimentos). / This study aims to characterize and correlate elements of the biotic-physical environment, drainage, geology, landform, vegetation cover, soil and land use by means of interpretation of aerial photographs, satellite images and field work. It also aims to test the technique of circular sampling the drainage network for identifying soil mapping units in the Serra do Mar complex, which corresponds to very steep areas, with dense drainage, and heavily forested areas, with difficult access. The Guaratuba watershed has distinctive compartments. In the coastal plain, pioneer herbaceous and arboreous plant species grow on redoximorphic soils developed on marine and fluvial-marine sediments (Spodosols and gley soils). The highlands have tropical rain forest on Ultisols, Inceptisols, and Entisols developed from gneissic bedrock in a hilly relief. The granitic escarpments have shallow soils (Entisols and Inceptisols) covered by tropical forests. The regional climate is characterized by an annual rainfall above 2000 mm, no distinct dry season, and an average temperature that can range locally from 19o to 25oC. Drainage, geology, landform, slope, hipsometry, vegetation and soil maps were produced. It was also produced in the Guaratuba watershed 48 circular samples, of 50 ha each, distributed in the highlands, mountains, and coastal plain. Additionally, pedological transects were studied in further detail locally. The circular sampling study concluded that the drainage pattern indicates the predominant geological formations, whereas the number of rivers and its associated indexes indicate the soils and the superficial material. The statistics of the number of river, river length, relief, geology, and vegetation indexes were more efficient in discriminating the soil groups in the sub-compartments, grouping samples with the same soil associations, easing therefore the mapping work. It was also concluded that the elements influence the soil distribution and composition, due to the infiltration/runoff ratio, which determines the development and thickness of the weathering mantle, shaping the relief and allowing the establishment of the vegetation. In the coastal areas, relief, natural vegetation and geological material determine distinctive soil units, which can be mapped through these elements. Thus, the exuberant vegetation and the hot and humid climate throughout the watershed support the idea that, in the coastal plain, the landforms and drainage are the main factors influencing soil development. Whereas in the highlands and in the mountainous areas, the slope and parent material give a more important contribution to soil development. It was observed in the whole watershed, therefore, a direct relationship between landform compartments, natural vegetation, geology and soils, whereas the localized study in the transects indicates transformation and morpho-pedological processes, like the ones where spodosols grade to gley soils, and spodosols grade to histosols, indicating landscape genesis and evolution. The work in the coastal zone allows the extrapolation of the results to contiguous areas, defining soil associations as well as the structure of the natural vegetation cover and landforms. This association should be expected in areas that have similar geology (granites and gneisses and its derived sediments).

Much older soils data and soils information lies idle in libraries and archives and is largely unused, especially in developing countries like Kenya. We demonstrated the usefulness of a stepwise approach to bring legacy soils data ‘back to life’ using the 1980 <i>Reconnaissance Soil Map of the Busia Area</i> <i>(quarter degree sheet No. 101)</i> in western Kenya as an example. Three studies were conducted by using agronomic information, field observations, and laboratory data available in the published soil survey report as inputs to several digital soil mapping techniques. In the first study, the agronomic information in the survey report was interpreted to generate 10 land quality maps. The maps represented the ability of the land to perform specific agronomic functions. Nineteen crop suitability maps that were not previously available were also generated. In the second study, a dataset of 76 profile points mined from the survey report was used as input to three spatial prediction models for soil organic carbon (SOC) and texture. The three predictions models were (i) ordinary kriging, (ii) stepwise multiple linear regression, and (iii) the Soil Land Inference Model (SoLIM). Statistically, ordinary kriging performed better than SoLIM and stepwise multiple linear regression in predicting SOC (RMSE = 0.02), clay (RMSE = 0.32), and silt (RMSE = 0.10), whereas stepwise multiple linear regression performed better than SoLIM and ordinary kriging for predicting sand content (RSME = 0.11). Ordinary kriging had the narrowest 95% confidence interval while stepwise multiple linear regression had, the widest. From a pedological standpoint, SoLIM conformed better to the soil forming factors model than ordinary kriging and had a narrower confidence interval compared to stepwise multiple linear regression. In the third study, rules generated from the map legend and map unit descriptions were used to generate a soil class map. Information about soil distribution and parent material from the map unit polygon descriptions were combined with six terrain attributes, to generate a disaggregated fuzzy soil class map. The terrain attributes were multiresolution ridgetop flatness (MRRTF), multiresolution valley bottom flatness (MRVBF), topographic wetness index (TWI), topographic position index (TPI), planform curvature, and profile curvature. The final result was a soil class map with a spatial resolution of 30 m, an overall accuracy of 58% and a Kappa coefficient of 0.54. Motivated by the wealth of soil agronomic information generated by this study, we successfully tested the feasibility of delivering this information in rural western Kenya using the cell phone-based Soil Explorer app (<a href="https://soilexplorer.net/">https://soilexplorer.net/</a>). This study demonstrates that legacy soil data can play a critical role in providing sustainable solutions to some of the most pressing agronomic challenges currently facing Kenya and most African countries.<div><p></p></div>