Conselho Nacional de Desenvolvimento Científico e Tecnológico / The possibility of mapping soil properties using soil spatial prediction functions
(SSPFe) is a reality. But is it possible to SSPFe to estimate soil properties such as the particlesize
distribution (psd) in a young, unstable and geologically complex geomorphologic
surface? What would be considered a good performance in such situation and what
alternatives do we have to improve it? With the present study I try to find answers to such
questions. To do so I used a set of 339 soil samples from a small catchment of the hillslope
areas of central Rio Grande do Sul. Multiple linear regression models were built using landsurface
parameters (elevation, convergence index, stream power index). The SSPFe explained
more than half of data variance. Such performance is similar to that of the conventional soil
mapping approach. For some size-fractions the SSPFe performance can reach 70%. Largest
uncertainties are observed in areas of larger geological heterogeneity. Therefore, significant
improvements in the predictions can only be achieved if accurate geological data is made
available. Meanwhile, SSPFe built on land-surface parameters are efficient in estimating the
psd of the soils in regions of complex geology. However, there still are questions that I
couldn t answer! Is soil mapping important to solve the main social and environmental issues
of our time? What if our activities were subjected to a social control as in a direct democracy,
would they be worthy of receiving any attention? / A possibilidade de mapear as propriedades dos solos através do uso de funções de
predição espacial de solos (FPESe) é uma realidade. Mas seria possível construir FPESe para
estimar propriedades como a distribuição do tamanho de partículas do solo (dtp) em um
superfície geomorfológica jovem e instável, com elevada complexidade geológica e
pedológica? O que seria considerado um bom desempenho nessas condições e que
alternativas temos para melhorá-lo? Com esse trabalho tento encontrar respostas para essas
questões. Para isso utilizei um conjunto de 339 amostras de solo de uma pequena bacia
hidrográfica de encosta da região Central do RS. Modelos de regressão linear múltiplos foram
construídos com atributos de terreno (elevação, índice de convergência, índice de potência de
escoamento). As FPESe explicaram mais da metade da variância dos dados. Tal desempenho
é semelhante àquele da abordagem tradicional de mapeamento de solos. Para algumas frações
de tamanho o desempenho das FPESe pode chegar a 70%. As maiores incertezas ocorrem nas
áreas de maior heterogeneidade geológica. Assim, melhorias significativas nas predições
somente poderão ser alcançadas se dados geológicos acurados forem disponibilizados.
Enquanto isso, FPESe construídas a partir de atributos de terreno são eficientes em estimar a
dtp de solos de regiões com geologia complexa e elevada instabilidade. Mas restam dúvidas
que não consegui resolver! O mapeamento de solos é importante para a resolução dos
principais problemas sociais e ambientais do nosso tempo? E se nossas atividades estivessem
submetidas ao controle da população como em uma democracia direta, seriam elas dignas de
receber atenção?
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/5551 |
| Date | 27 January 2012 |
| Creators | Rosa, Alessandro Samuel |
| Contributors | Dalmolin, Ricardo Simão Diniz, Minella, Jean Paolo Gomes, Caten, Alexandre Ten |
| 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/masterThesis |
| 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, 500, 300, 500, 300, 0845916a-ab9b-4bc9-a3d6-f1d2b58563e3, c2a0a4d5-3b00-4aa1-a8df-62afe623ddea, 8f6d9e14-df03-454b-9e39-d3fdde572819, d130ba3f-4dd4-4c4a-92f9-1c481691006a |
Page generated in 0.0017 seconds