Análise de fontes de incerteza na modelagem espacial do solo

Abstract

A modelagem espacial do solo moderna usa modelos estatísticos para explorar a relação em-pírica entre as condições ambientais e as propriedades do solo. Esses modelos são uma sim-plificação da realidade, e seu resultado (mapa do solo) estará sempre errado. O que um mapa do solo transmite é o que esperamos que o solo seja, reconhecendo que somos incertos sobre ele. O objetivo dessa tese é avaliar importantes fontes de incerteza na modelagem espacial do solo, com ênfase nos dados do solo e covariáveis. Estudos de caso foram desenvolvidos usando dados de uma bacia hidrográfica do sul do Brasil. A distribuição espacial do solo na área de estudo é variável, sendo determinada pela geologia e geomorfologia (escalas espaciais maiores) e práticas agrícolas (escalas espaciais menores). Quatro propriedades do solo foram explora-das: teor de argila, teor de carbono orgânico, capacidade de troca catiônica efetiva e densidade. Cinco covariáveis, cada um com dois níveis de detalhe espacial, foram utilizadas: mapas areais de classes de solo, modelos digitais de elevação, mapas geológicos, mapas de uso da terra, e imagens de satélite. Esses dados constituem o conjunto de dados de Santa Maria. Dois paco-tes para R foram criados, o primeiro (pedometrics) contendo várias funções para a análise exploratória espacial de dados e calibração de modelos, o segundo (spann) projetado para a optimização de amostras espaciais usando recozimento simulado. Os estudos de caso ilustraram que as covariáveis existentes são apropriadas para calibrar modelos espaciais do solo, e que o uso de covariáveis mais detalhadas resulta em modesto aumento na acurácia de predição que pode não compensar os custos adicionais. Meios mais eficientes de aumentar a acurácia de pre-dição devem ser explorados, como obter mais observações do solo. Para esse fim, deve-se usar meios objetivos para a seleção dos locais de observação a fim de minimizar os efeitos das res-postas psicológicas dos modeladores do solo a fatores conceituais e operacionais sobre o plano de amostragem. Isso porque as dificuldades conceituais e operacionais encontradas no campo determinam mudanças na motivação dos modeladores do solo entre aprendizagem/verificação das relações solo-paisagem e maximização do número de observações e cobertura geográfica. Para estimar a tendência espacial, deve ser suficiente otimizar as amostras espaciais visando so-mente reproduzir a distribuição marginal das covariáveis. Para otimizar configurações amostrais para estimar a tendência espacial e o variograma, e interpolação espacial, pode-se formular um problema de otimização multi-objetivo sólido usando versões robustas de algoritmos de amos-tragem existentes. No geral, aprendemos que uma receita única, universal para a redução da incerteza na modelagem espacial do solo não pode ser formulada. Decidir sobre formas efi-cazes de redução da incerteza requer, em primeiro lugar, que exploremos todo o potencial dos dados existentes usando técnicas de modelagem espacial sólidas.