Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Soil has increasingly being recognized as having an important role in ecosystems as
well as for food production and global climate regulation. For this reason, the demand for
relevant and updated information on soil is increasing. Digital Soil Mapping (DSM) provides
this information at different spatial resolution with associated quality indicators. The aim of
this study was to analyze the main methodological approaches used for DSM of soil classes
through a literature review of national researches and to propose procedures for data analysis
in DSM projects of soil classes. The use of DSM techniques for mapping soil classes in Brazil
is recent, the first publication on this subject occurred only in 2006. Among the predictive
functions, logistic regressions is the predominantly used technique. Quality evaluation of the
predictive models employed error matrix and kappa index in most cases. The use of wavelet
transform proved to be a methodology of great potential for analyzing the spatial resolution of
terrain attributes maximum variability. The proposed methodology of data exclusion for
environmental covariates located too near at the border of soil classes polygons has enabled
the generation of less complex and more accurate Decision Tree (DT) models. It was also
shown that the amount of data required for DT model training is between five and 15% of the
total data set. Collected field observations indicated a predicted accuracy close to 70% for DT
models produced by those sampling densities. / O solo é cada vez mais reconhecido como tendo um importante papel nos
ecossistemas, assim como para a produção de alimentos e regulação do clima global. Por esse
motivo, a demanda por informações relevantes e atualizadas em solos está em uma crescente.
O Mapeamento Digital de Solos (MDS) possibilita gerar essas informações demandadas em
diferentes resoluções espaciais e com indicadores de qualidade associados. O objetivo deste
estudo foi analisar as principais abordagens metodológicas utilizadas nos mapeamentos
digitais de classes de solos através de uma revisão de literatura dos trabalhos nacionais, assim
como propor procedimentos para a análise dos dados a serem utilizados em projetos de
mapeamento digital de classes de solos. O emprego de técnicas de MDS para o mapeamento
de classes de solos é recente no país, a primeira publicação nesse sentido ocorreu apenas em
2006. Entre as funções preditivas utilizadas predomina o emprego da técnica de regressões
logísticas. Quanto à avaliação da qualidade dos modelos preditivos o emprego da matriz de
erros e do índice kappa têm sido os procedimentos mais usuais. O emprego da transformada
wavelet mostrou-se como uma metodologia de grande potencial para a análise da resolução
espacial de máxima variabilidade de atributos de terreno a serem usados em projetos de MDS.
A metodologia proposta de exclusão dos dados oriundos de covariáveis ambientais
localizadas na bordas dos polígonos de solos possibilitou a geração de modelos por Árvore de
Decisão (AD) menos complexos e mais precisos. Assim como o volume de dados necessários
para o treinamento de modelos preditivos por AD está entre cinco e 15% do conjunto total de
dados como mostrou este estudo. Observações coletadas a campo indicaram uma acurácia dos
mapas preditos próxima a 70% para os modelos oriundos dessas densidades de amostragem.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/3326 |
| Date | 07 November 2011 |
| Creators | Caten, Alexandre Ten |
| Contributors | Dalmolin, Ricardo Simão Diniz, Pedron, Fabrício de Araújo, Minella, Jean Paolo Gomes, Bacic, Ivan Luiz Zilli |
| Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Ciência do Solo, UFSM, BR, Agronomia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 500100100005, 400, 300, 300, 300, 300, 300, 0845916a-ab9b-4bc9-a3d6-f1d2b58563e3, 8273fef1-1d34-48f7-81c6-69fb015e26f4, 60a81b29-b0cb-483a-a465-e25caaf3ca6d, 8f80b919-425c-45a3-a165-17c22b1b8948, 2d0ac5eb-acf6-4ab4-90c6-e6809d5ea6b3 |
Page generated in 0.0027 seconds