Mapeamento digital de solos com uso de árvores de decisão na microbacia córrego Tarumãzinho, Águas Frias, SC

Abstract

O conhecimento detalhado sobre a distribuição espacial dos solos é fundamental para o monitoramento ambiental e gerenciamento da produção agrícola. Novas técnicas de modelagem espacial estão sendo utilizadas para melhor aproveitar os dados de solos existentes como a desagregação espacial dos polígonos a partir do refinamento das unidades de mapeamento combinadas em que dois ou mais tipos de solos estão representados. Este trabalho foi dividido em dois estudos. O estudo 1 teve como objetivo realizar a comparação de três algoritmos de árvores de decisão (AD) para predizer a ocorrência das unidades fisiográficas (UFs). Foram derivadas a partir do modelo digital de elevação (MDE) 12 variáveis ambientais utilizando o System for Automated Geoscientific Analyses (SAGA GIS). Os algoritmos testados foram: J48, Simple Chart, BFTree. As ADs foram construídas no programa Weka 3.6.3. As acurácias obtidas usando os três algoritmos foram semelhantes, sendo que o J48 foi superior, mostrando-se útil para predizer a ocorrência de unidades fisiográficas. O estudo 2 teve como objetivo desagregar os polígonos do mapa fisiográfico para individualizar as classes de solos até o segundo nível categórico. Para realizar a desagregação do mapa fisiográfico foram utilizadas 3 variáveis ambientais preditoras, derivadas do MDE, sendo que o mapa de geoforma foi derivado utilizando um conjunto de programas chamado LandMapr toolkit©. Os limites das UFs, os mapas de elevação, declividade e geoforma foram submetidos a uma tabulação cruzada para identificar em cada UF as combinações existentes entre suas classes. O uso da desagregação possibilitou a individualização e a espacialização das classes de solos, sendo útil para a produção de mapas de solos mais detalhados.

Detailed knowledge about the spatial distribution of the soil is essential for environmental monitoring and management of agricultural production. New spatial modeling techniques have used to make better use of data from existing soils and the polygons spatial disaggregation from the refinement of combined mapping units. This work was is divided two studies. The study 1 aimed to carry out a comparison of three decision trees algorithms to predict the occurrence of physiographic units (UFs). The System for Automated Geoscientific Analyses (SAGA GIS) was used to derive 12 environmental covariates from digital elevation model. Three algorithms were tested: J48, Simple Chart, BFTree. The program Weka 3.6.3 was used to built the decision trees. The accuracies obtained using the three algorithms were similar. The J48 accuracy was higher, proving to be useful to predict the occurrence of physiographic units. The study 2 aimed to disaggregate the physiographic map polygons, to individualize the soil classes by the second categorical level. Three environmental covariates were used to carry out the polygon disaggregation of physiographic unit map. The environmental covariates was derived from the MDE, and the map of geoforma was elaborated by a set of programs called LandMapr toolkit©. The limits of the UFs, maps of elevation, slope and geoforma underwent a cross-tab to identify existing combinations between classes, by each UF. The polygon disaggregation made possible the individualization and the spatialization of soils classes, being useful to production of more detailed soil maps.