Por favor, use este identificador para citar o enlazar este ítem: https://rima.ufrrj.br/jspui/handle/20.500.14407/9043
Tipo do documento: Tese
Título: Métodos de mapeamento digital aplicados na predição de classes e atributos dos solos da bacia hidrográfica do rio Guapi-Macacu, RJ
Otros títulos: Digital mapping techniques applied to predict soil classes and attributes in the Guapi-Macacu watershed, RJ
Autor: Pinheiro, Helena Saraiva Koenow
Orientador(a): Anjos, Lúcia Helena Cunha dos
Primeiro coorientador: Carvalho Júnior, Waldir de
Segundo coorientador: Chagas, César da Silva
Primeiro membro da banca: Anjos, Lúcia Helena Cunha dos
Segundo membro da banca: Caten, Alexandre ten
Terceiro membro da banca: Bhering, Silvio Barge
Quarto membro da banca: Pereira, Marcos Gervasio
Quinto membro da banca: Francelino, Márcio Rocha
Palabras clave: Pedometrics;Soil survey;Digital soil mapping;Pedometria;Levantamento pedológico;Mapeamento digital de solos
Área(s) do CNPq: Agronomia
Idioma: por
Fecha de publicación: 30-jul-2015
Editorial: Universidade Federal Rural do Rio de Janeiro
Sigla da instituição: UFRRJ
Departamento: Instituto de Agronomia
Programa: Programa de Pós-Graduação em Agronomia - Ciência do Solo
Citación: PINHEIRO, Helena Saraiva Koenow. Métodos de mapeamento digital aplicados na predição de classes e atributos dos solos da bacia hidrográfica do rio Guapi-Macacu, RJ. 2015. 166 f. Tese (Doutorado em Agronomia - Ciência do Solo) - Instituto de Agronomia, Departamento de Solos, Universidade Federal Rural do Rio de Janeiro, Seropédica - RJ, 2015.
Resumen: Modelos solo-paisagem quantitativos representam uma nova tendência nos levantamentos de solos. Neste sentido, as diferentes técnicas de mapeamento digital são aplicadas para prever os padrões naturais de ocorrência de classes de solo. O objetivo deste trabalho foi a aplicação de geotecnologias no mapeamento de classes e atributos dos solos em uma bacia hidrográfica, que apresenta grande variação de condições de paisagem, no Estado do Rio de Janeiro, Brasil. A abordagem foi baseada em conhecimento pedológico tácito, culminando na escolha de atributos da paisagem que representem a variabilidade dos fatores de formação de solos na região. Na construção do modelo solo-paisagem foram gerados no programa de computação ArcGIS Desktop v. 10, atributos relacionados a pedogênese na área em estudo, como geologia altimetria, declividade, curvatura, índice topográfico composto e distância euclidiana de hidrografia. No programa ERDAS Imagine v.9 foram gerados três índices derivados de dados de sensoriamento remoto (Landsat 5 TM). São eles: clay minerals, iron oxide e índice de vegetação por diferença normalizada – NDVI. Para representar as formas do relevo foi gerado mapa com as dez formas mais comuns do relevo (“geomorphons”), no programa GRASS-GIS. Adicionalmente, a predição de atributos do solo contou com co-variáveis derivadas do modelo digital de elevação (MDE) geradas no programa SAGA-GIS. O trabalho de tese foi dividido em etapas, apresentadas na forma de capítulos. O primeiro capítulo apresenta a revisão de literatura específica de contextualização do trabalho. O estudo das relações solo-paisagem e da variabilidade dos atributos do terreno, a caracterização das unidades de mapeamento com base no levantamento de campo, constituem o segundo capítulo. Os solos predominantes na área foram: Latossolos, Argissolos, Gleissolos, Cambissolos, Neossolos Flúvicos e Litólicos. O terceiro capítulo tratou do uso do mapa de formas da paisagem (“geomorphons”) como variável preditora para o mapeamento de classes de solos, por abordagem de redes neurais artificiais. O quarto capítulo teve como objetivo a aplicação de modelos baseados em árvores (árvores de decisão e random forest) para a predição de classes de solos. A avaliação dos produtos inferidos para classes de solos foi baseada em índices estatísticos (kappa, exatidão global), generalização das classes de solos e validação com amostras de controle. O melhor desempenho foi observado para o modelo random forest que apresentou valor superior para os índices estatísticos e melhor generalização das unidades de mapeamento. O quinto capítulo compreendeu a predição da composição da textura na camada superficial do solo através de regressões lineares múltiplas e árvores de regressão. As análises indicaram desempenho superior do algoritmo de árvores de regressão, para todos os atributos testados (areia, silte, argila), utilizando dados harmonizados ou originais. Todos os modelos preditivos foram aplicados no programa R. Análises adicionais são necessárias para ajudar a definir conjunto de co-variáveis preditoras adequado, assim como a coleta de mais amostras de solo, tanto para o processo de modelagem como para validação dos produtos. Trabalhos dessa natureza são importantes no contexto global de melhor aproveitamento das informações geradas em levantamento de solos, assim como para obtenção de mapas de caráter prático, como é o caso da distribuição espacial de atributos dos solos.
Abstract: Quantitative soil-landscape models represent a new trend in soil surveys. In this regard, the various digital mapping techniques are applied to predict the natural patterns of occurrence of soil types. The objective of this study was to apply digital mapping techniques to predict soil classes and attributes in a watershed, with wide range of landscape conditions, in Rio de Janeiro State, in Brazil. The approach was based on tacit soil knowledge, regarding the choice of landscape attributes that represent the variability of soil-forming factors in the region. In regard to construct the predictive models, terrain variables were generate from the digital elevation model, geology map and remote sensing data. Ten terrain attributes were created on softwareArcGIS Desktop v. 10, such as altimetry, slope, curvature, parental material map, topographic compound index and euclidean distance of hydrography. In the software ERDAS Imagine v.9 were generated three indices derived from remote sensing data (Landsat 5 TM). They are: clay minerals, iron oxide and vegetation index normalized difference - NDVI. To represent the landscape forms was generated map the "geomorphons" maps, the GRASS-GIS program. To provide enough datato predict soil properties, additional terrain variables were derived from a digital elevation model (DEM) generated in the software SAGA-GIS. The work development was organized into three steps, presented as chapters. The first chapter comprised bibliography review and presents the context of the study. The detailed analysis of soil-landscape relationships, considering the variability of environmental attributes and characteristics of pedo-enviroments are performed on the second chapter. The predominant soils in the area were Ferralsols, Acrisols, Gleysols, Cambissolos, Fluvisols and Regosols. The third chapter presented the application of the landform maps (“geomorphons”) as a covariate to pretic soil classes by neural network approach. The fourth chapter targets the application of trees-based models (decision trees and random forest) to predict soil classes. The evaluation of the inferred products to represent the soil classes was performed based on statistical indices (kappa, overall), generalization of soil classes and validation with control samples. The best performance was observed for the random forest model that showed better values to statistical indices and better generalization of mapping units. The fifth chapter comprised the prediction of soil texture components on topsoil layer by using multiple linear regressions and regression trees. The analyses indicated better performance by using regression trees algorithm to all soil attributes (sand, silt, and clay), independent of the database (harmonized or original). All predictive models were implemented in R software. Additional research is needed to select an appropriated set of predictive covariates; as so, collect more soil samples to use as input to models and also validate of the final products. Soil survey research is important in the actual context once can enhance the information generated by the soil surveys, as well as to obtain useful information to the final users, as example of the maps that represent the spatial variability of soil texture components.
URI: https://rima.ufrrj.br/jspui/handle/20.500.14407/9043
Aparece en las colecciones:Doutorado em Agronomia - Ciência do Solo

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
2015 - Helena Saraiva Koenow Pinheiro.pdf4.56 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.