Mapeamento digital de solos no estado do Mato Grosso do Sul a partir de dados legados e modelos preditivos baseados em árvores

Abstract

Os solos constituem um recurso natural de grande relevância, sobretudo por sua importância na produção de alimentos, na sustentação dos biomas e no armazenamento de água, garantindo a reposição das nascentes e mananciais, além de outros serviços ambientais. Assim, o conhecimento sobre as propriedades dos solos e sua distribuição na paisagem é importante para o seu manejo e para o planejamento territorial. A principal forma de se obter informações sobre os solos e sua distribuição é através de levantamentos de solos. A hipótese principal do estudo é que a partir das técnicas de mapeamento digital por áreas de referência é possível predizer a distribuição espacial das unidades de solos. Ainda, através da seleção de variáveis preditoras e da avaliação de métodos preditivos quantitativos pode-se aperfeiçoar o mapeamento, reduzindo o caráter subjetivo da interpretação, conferindo um caráter quantitativo ao produto final. Sendo assim, o estudo teve como objetivo avaliar a eficiência dos métodos preditivos baseados em árvores, Random Forest (RF) e Árvores de Decisão (AD), para a extrapolação de unidades de mapeamento de solo nos municípios de Nova Alvorada do Sul e Rio Brilhante, a partir de 46 perfis descritos em Sidrolândia e Campo Grande, ambos no Mato Grosso do Sul. A abordagem através de modelos baseados em árvores possibilitou uma avaliação quantitativa dos fatores envolvidos na pedogênese, o que contribuiu para a melhor compreensão sobre cada fator e sua contribuição direta na formação dos solos. A utilização dos dados legados mostrou-se promissora para o processo de aprendizado dos padrões morfométricos, bem como para a extrapolação das unidades de mapeamento para toda a área. Ambos os modelos preditivos testados se mostraram bastante eficientes na extração das informações a partir dos dados de entrada e possibilitaram extrapolação para áreas semelhantes ainda não mapeadas, sendo o modelo RF o que apresentou o melhor desempenho preditivo, em todos os índices estatísticos avaliados, em relação ao modelo ÁD. Os modelos baseados em árvores (AD e RF) podem contribuir para o conhecimento sobre os fatores de formação e para qualificar sua contribuição na pedogênese, bem como na compreensão dos pedoambientes e distribuição das classes de solo na paisagem, além de subsidiar o levantamento de áreas semelhantes ainda não mapeadas.