Predição de classes de solos com dados coletados em pixels delimitados por buffers em perfis de solo georreferenciados
Campos, Alcinei Ribeiro Giasson, Elvio Costa, José Janderson Ferreira Coelho, Fabrício Fernandes
Predição de classes de solos com dados coletados em pixels delimitados por buffers em perfis de solo georreferenciados
Publicação online; 31 ref.; 4 tables; 5 illus.; Summaries (En, Pt)
RESUMO: Os estudos de mapeamento digital de classes de solos (MDS) têm utilizado mapas legados como principal fonte de informação para calibração dos modelos preditores. Entretanto, são necessárias novas abordagem com técnicas que permitam o uso de informações contidas em perfis de solos georreferenciados, permitindo a aplicação do MDS em áreas amostradas que não disponibilizem de mapas convencionais de solos. O objetivo deste estudo foi avaliar o desempenho na predição de ocorrência de solos de amostras coletadas em pixels de perfis de solos georreferenciados e em pixels coletados em bufferscom raio de 50, 100, 150, 200 e 250 m dos perfis de solos nas bacias dos rios Lajeado Grande e Santo Cristo. As duas áreas possuem dados de levantamento de solos publicados em escala 1:50.000. Para predição da ocorrência das classes de solos foram utilizadas dez variáveis preditoras geradas a partir de um modelo digital de elevação com resolução espacial de 30 m. Para a predição foi utilizado o algoritmo Random Forest. Os mapas preditos foram avaliados quanto à exatidão em relação aos perfis de solos e quanto a reprodutibilidade dos mapas convencionais. A utilização dos pixels amostrais coletados nos buffersnão alterou de forma expressiva a acurácia geral dos mapas preditos na bacia do rio Lajeado Grande, mas permitiu um ganho de 15,6% de exatidão na bacia do rio Santo Cristo. O uso apenas dos perfis georreferenciados resultou em mapas preditos com exatidão superior a 75% e concordância de reprodutibilidade igual ou superior a 67% em relação ao mapa convencional.
Palavras-chave: nmapeamento digital de solos; Random Forest; técnicas pedométricas
ABSTRACT: Digital soil mapping studies (MDS) have used legacy maps as the main source of information for calibration of predictor models. However new approaches are needed with techniques that allow the use of information contained in georeferenced soil profiles, allowing the application of MDS in sampled areas that do not provide conventional soil maps. The objective of this study was to evaluate the performance in the prediction of soil occurrence of samples collected in pixels of profiles of georeferenced soils and in pixels collected in buffers with radius of 50, 100, 150, 200 and 250 m of soil profiles in the Lajeado Grande and Santo Cristo Rivers Watersheds. Two areas with availability of soil survey data published at scale 1: 50,000 were used for the study. For prediction of the occurrence of soil classes, ten predictive variables were generated from a digital elevation model with spatial resolution of 30 m. For the prediction, Random Forest algorithm was used. The predicted maps were evaluated for accuracy in relation to soil profiles and the reproducibility of conventional maps. The use of the sampling pixels collected in the buffers did not significantly alter the overall accuracy of the predicted maps in the Lajeado Grande river watershed, but allowed a 15.6% the gain at overall accuracy the Santo Cristo river watershed. The use of georeferenced profiles resulted in predicted maps with overall accuracy greater than 75% and agreement of reproducibility equal to or high than 67% in relation to the conventional map.
Key words: digital mapping of soils; Random Forest; pedometer techniques
CLASSIFICAÇÃO DO SOLO
MAPA DIGITAL
PROGRAMA DE COMPUTADOR
Predição de classes de solos com dados coletados em pixels delimitados por buffers em perfis de solo georreferenciados
Publicação online; 31 ref.; 4 tables; 5 illus.; Summaries (En, Pt)
RESUMO: Os estudos de mapeamento digital de classes de solos (MDS) têm utilizado mapas legados como principal fonte de informação para calibração dos modelos preditores. Entretanto, são necessárias novas abordagem com técnicas que permitam o uso de informações contidas em perfis de solos georreferenciados, permitindo a aplicação do MDS em áreas amostradas que não disponibilizem de mapas convencionais de solos. O objetivo deste estudo foi avaliar o desempenho na predição de ocorrência de solos de amostras coletadas em pixels de perfis de solos georreferenciados e em pixels coletados em bufferscom raio de 50, 100, 150, 200 e 250 m dos perfis de solos nas bacias dos rios Lajeado Grande e Santo Cristo. As duas áreas possuem dados de levantamento de solos publicados em escala 1:50.000. Para predição da ocorrência das classes de solos foram utilizadas dez variáveis preditoras geradas a partir de um modelo digital de elevação com resolução espacial de 30 m. Para a predição foi utilizado o algoritmo Random Forest. Os mapas preditos foram avaliados quanto à exatidão em relação aos perfis de solos e quanto a reprodutibilidade dos mapas convencionais. A utilização dos pixels amostrais coletados nos buffersnão alterou de forma expressiva a acurácia geral dos mapas preditos na bacia do rio Lajeado Grande, mas permitiu um ganho de 15,6% de exatidão na bacia do rio Santo Cristo. O uso apenas dos perfis georreferenciados resultou em mapas preditos com exatidão superior a 75% e concordância de reprodutibilidade igual ou superior a 67% em relação ao mapa convencional.
Palavras-chave: nmapeamento digital de solos; Random Forest; técnicas pedométricas
ABSTRACT: Digital soil mapping studies (MDS) have used legacy maps as the main source of information for calibration of predictor models. However new approaches are needed with techniques that allow the use of information contained in georeferenced soil profiles, allowing the application of MDS in sampled areas that do not provide conventional soil maps. The objective of this study was to evaluate the performance in the prediction of soil occurrence of samples collected in pixels of profiles of georeferenced soils and in pixels collected in buffers with radius of 50, 100, 150, 200 and 250 m of soil profiles in the Lajeado Grande and Santo Cristo Rivers Watersheds. Two areas with availability of soil survey data published at scale 1: 50,000 were used for the study. For prediction of the occurrence of soil classes, ten predictive variables were generated from a digital elevation model with spatial resolution of 30 m. For the prediction, Random Forest algorithm was used. The predicted maps were evaluated for accuracy in relation to soil profiles and the reproducibility of conventional maps. The use of the sampling pixels collected in the buffers did not significantly alter the overall accuracy of the predicted maps in the Lajeado Grande river watershed, but allowed a 15.6% the gain at overall accuracy the Santo Cristo river watershed. The use of georeferenced profiles resulted in predicted maps with overall accuracy greater than 75% and agreement of reproducibility equal to or high than 67% in relation to the conventional map.
Key words: digital mapping of soils; Random Forest; pedometer techniques
CLASSIFICAÇÃO DO SOLO
MAPA DIGITAL
PROGRAMA DE COMPUTADOR
BINAGRI