Estratégias de mapeamento digital de solos por redes neurais artificiais baseadas na relação solo-paisagem

• Ano de defesa: 2012
• Autor(a) principal: Arruda, Gustavo Pais de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial intelligence; Atributos geomorfométricos; Digital soil mapping; Geomorphometric attributes; Inteligência artificial; Mapeamento digital de solos; Neural networks; Redes neurais; Relação solo-paisagem; soil-landscape
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/11/11140/tde-30052012-082826/

A escassez de informações do solo que permitam o seu uso adequado, seja para fins agrícola, ambiental ou de projeto urbanos, pode ser minimizada com soluções provenientes do desenvolvimento de novas tecnologias. Nesse sentido, o presente estudo teve como objetivo aplicar duas estratégias digitais para obtenção de mapas de solos preliminares em áreas onde não foram realizados levantamentos pedológicos convencionais. As estratégias foram executadas com base em variáveis ambientais que estabelecem relações entre ocorrência de solos e suas posições na paisagem. A área de estudo compreendeu o município de Barra Bonita-SP, totalizando 11.072 ha. Para uso na predição dos solos pela técnica de Redes Neurais Artificiais (RNA) foram utilizadas as variáveis: declividade, elevação, perfil de curvatura, plano de curvatura e índice de convergência derivados de um Modelo Digital de Elevação (MDE), além das informações de geologia e das superfícies geomórficas identificadas na região. Na primeira estratégia, por meio de uma análise de agrupamento (Fuzzy k-médias) das variáveis, foram escolhidas cinco áreas chaves distribuídas na área de estudo, nas quais foi realizado levantamento de solos de nível semidetalhado para reconhecimento das unidades de mapeamento. Na estratégia 2, elaborou-se um mapa de solos de nível detalhado a partir de dados pré-existentes de apenas uma área chave, localizada no centro da região. Com a identificação das unidades de mapeamento foram gerados arquivos de treinamento e testes das redes neurais. Utilizou-se o simulador JavaNNS e o algoritmo de aprendizado backpropagation. Conjuntos de variáveis ambientais foram testados, avaliando a importância de cada variável na discriminação dos solos. A rede que exibiu melhor desempenho do índice Kappa foi utilizada para generalização de suas informações, obtendo os mapas digitais de solos. Pela aplicação de tabulação cruzada foram analisadas as correspondências espaciais entre os mapas digitais e um mapa convencional nível semidetalhado da região. Foram coletados pontos de referência para validar o desempenho dos mapas digitais. De acordo com a posição na paisagem e material de origem subjacente, notou-se tendência na ocorrência das classes de solos nas áreas chaves mapeadas. A mesma disposição dos solos foi observada nas classificações digitais. Os atributos do terreno elevação e declividade exibiram maior influência na distinção entre os solos pelas redes neurais em ambas as estratégias. A comparação com pontos de referência mostrou que o mapa digital produzido com base em unidades de mapeamento provenientes de abordagem convencional detalhada teve um desempenho superior (81,8% de concordância) ao mapa baseado em levantamento pedológico de nível semidetalhado (72,7%). Este estudo mostrou que a obtenção de mapas digitais de solos, com uso de variáveis ambientais que expressem a relação solo-paisagem, pode contribuir para a geração de informações preliminares do solo em locais não mapeados, a partir de unidades de mapeamento obtidas em áreas adjacentes.