Métodos de mapeamento digital aplicados na predição de classes e atributos dos solos da bacia hidrográfica do rio Guapi-Macacu, RJ

Abstract

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.