2.9 Com<strong>para</strong>ção entre resultados <strong>de</strong> diversas técnicas <strong>de</strong> mapeamento digitalBUI et al. (2008), também utilizou árvores <strong>de</strong> <strong>de</strong>cisão na predição <strong>de</strong> uni<strong>da</strong><strong>de</strong>s<strong>de</strong> mapeamento <strong>de</strong> <strong>solo</strong>s na região <strong>de</strong> Toowoomba, Austrália. O mapa original <strong>de</strong>ssaárea <strong>de</strong> treinamento foi com<strong>para</strong>do com o mapa predito através <strong>de</strong> testes <strong>de</strong> incerteza <strong>da</strong>informação, sendo que pelo método S-plus chegou a resultados mo<strong>de</strong>rados, com 35 %<strong>de</strong> acurácia pelo método expector, 37 % pelas árvores <strong>de</strong> <strong>de</strong>cisão e 49 % através <strong>da</strong>sobreposição dos resultados dos dois métodos com o mapa original. Como os doisresultados individualizados foram representações incompletas dos mo<strong>de</strong>los <strong>de</strong> <strong>solo</strong>soriginais realizados pelos pedólogos, testaram-se outros mo<strong>de</strong>los <strong>de</strong> árvores <strong>de</strong> <strong>de</strong>cisãoa partir do algoritmo C5, que constrói árvores <strong>de</strong> <strong>de</strong>cisão por maximizar a redução <strong>da</strong>entropia em ca<strong>da</strong> nó <strong>da</strong> árvore, além <strong>de</strong> tratar maiores banco <strong>de</strong> <strong><strong>da</strong>dos</strong> em menor tempo.A partir <strong>de</strong>sse mo<strong>de</strong>lo chegou-se a excelentes resultados, com um uma acurácia entre omapa predito e o original <strong>de</strong> 48 %, mostrando-se possível a extrapolação <strong>para</strong> áreassemelhantes geomorfologicamente.Quanto ao sensoriamento remoto, a aplicação <strong>de</strong>sta técnica no estudo do <strong>solo</strong>baseia-se no fato <strong>de</strong> que os diferentes <strong>solo</strong>s absorvem e refletem a energiaeletromagnética em comprimentos <strong>de</strong> on<strong>da</strong> distintos, <strong>de</strong> acordo com seus atributosquímicos, físicos e mineralógicos sendo, <strong>de</strong>sta forma, possível diferencia-los entre si(ANDRONIKOV & DOBROVOLSKIY, 1991).DEMATTÊ et al. (2004), em estudos na região <strong>de</strong> Uberlândia/MG, mostroucorrelações entre mapas obtidos por sensoriamento remoto espectral e o obtido pelométodo convencional. Utilizando o mapa planialtimétrico como base, 30 pontos <strong>de</strong>amostragem foram <strong>de</strong>marcados na área <strong>de</strong> estudo. As amostras foram coleta<strong>da</strong>s a 0–20,40–60 e 80–100 cm <strong>de</strong> profundi<strong>da</strong><strong>de</strong> em ca<strong>da</strong> ponto, todos georreferenciados,totalizando noventa amostras nas quais foram feitas as análises químicas, físicas eradiométricas. Os <strong><strong>da</strong>dos</strong> radiométricos foram obtidos em laboratório usando oespectrorradiômetro IRIS, na faixa <strong>de</strong> 400–2.500 nm.Pela análise e interpretação dos <strong><strong>da</strong>dos</strong> espectrais, juntamente com as curvas <strong>de</strong>nível, obteve-se um mapa espectral <strong>de</strong>talhado <strong>de</strong> <strong>solo</strong>s. Na mesma área foi obtido ummapa <strong>de</strong> <strong>solo</strong>s <strong>de</strong>talhado pelo método convencional. Foram i<strong>de</strong>ntifica<strong>da</strong>s quatrouni<strong>da</strong><strong>de</strong>s <strong>de</strong> mapeamentos <strong>de</strong> <strong>solo</strong>s em ambos os mapas, com boa correlação,<strong>de</strong>monstrando que os <strong><strong>da</strong>dos</strong> espectrais po<strong>de</strong>m ser utilizados como instrumento nomapeamento <strong>de</strong> <strong>solo</strong>s. A matriz <strong>de</strong> confusão permitiu i<strong>de</strong>ntificar que a maior correlação25
foi no <strong>solo</strong> <strong>de</strong> maior ocorrência, latos<strong>solo</strong> (75 % <strong>da</strong> área <strong>de</strong> estudo), com 95 %<strong>de</strong>concordância, o que implicou em erros <strong>de</strong> até 65 % em uni<strong>da</strong><strong>de</strong>s <strong>de</strong> mapeamento <strong>de</strong>menor abrangência. A maior parte <strong>da</strong>s confusões ocorreu na zona <strong>de</strong> transição entre asdiferentes classes <strong>de</strong> <strong>solo</strong>. Por causa <strong>da</strong> complexi<strong>da</strong><strong>de</strong> <strong>de</strong>stes locais, os <strong><strong>da</strong>dos</strong> espectraisnão i<strong>de</strong>ntificaram corretamente a classe <strong>de</strong> <strong>solo</strong>. Além disso, como na área as classes docambis<strong>solo</strong> e do gleis<strong>solo</strong> ocupam uma área pequena, proporcionalmente aos latos<strong>solo</strong>s,qualquer ponto classificado erroneamente representa ou uma expressiva per<strong>da</strong> ou ganho<strong>de</strong> área.HERMUTHE et al. (2003) em estudos na Bacia do rio Jardim, Distrito Fe<strong>de</strong>ral,<strong>de</strong>senvolveu metodologia basea<strong>da</strong> em <strong><strong>da</strong>dos</strong> morfométricos <strong>para</strong> subsidiar os trabalhos<strong>de</strong> campo, através <strong>da</strong> elaboração <strong>de</strong> mapeamentos preliminares. A partir do MDEelaboraram-se os mapas <strong>de</strong>rivados <strong>de</strong> <strong>de</strong>clivi<strong>da</strong><strong>de</strong>, aspecto e área <strong>de</strong> contribuição. Apósisso, foram emprega<strong>da</strong>s técnicas <strong>de</strong> composição colori<strong>da</strong>, com o objetivo <strong>de</strong> realçar ospadrões morfométricos. Assim, combinaram-se três imagens quaisquer com as trêscores primárias (RGB) e foi possível i<strong>de</strong>ntificar padrões visuais correlacionados com os<strong>solo</strong>s. Com a finali<strong>da</strong><strong>de</strong> <strong>de</strong> i<strong>de</strong>ntificar os limites ou faixas <strong>de</strong> transição entre umaUNIMAP e outra foram elaborados histogramas <strong>de</strong> freqüência e realiza<strong>da</strong>s as máscaras<strong>para</strong> obtenção do mapa preliminar. Por fim, foram calcula<strong>da</strong>s as estatísticas dos padrõesmorfométricos (ENVI 3.2) <strong>para</strong> ca<strong>da</strong> classe <strong>de</strong> <strong>solo</strong>, na qual os autores concluiram que,em com<strong>para</strong>ção com o mapa existente, houve semelhança. O problema <strong>de</strong>ssametodologia é que nem todos os tipos <strong>de</strong> <strong>solo</strong>s são i<strong>de</strong>ntificados, em virtu<strong>de</strong> dos padrõesmorfométricos estabelecidos não fornecerem critérios suficientes <strong>para</strong> todo tipo <strong>de</strong> <strong>solo</strong>.BERTOLDO et al. (2007), em estudos na bacia hidrográfica do ribeirão Fartura,em Paraibuna/SP, em uma área <strong>de</strong> 8.000 ha, obtiveram o <strong>de</strong>talhamento do mapa <strong>de</strong><strong>solo</strong>s escala 1:500.000 <strong>para</strong> 1:200.000, com o auxílio <strong>de</strong> geoprocessamento emo<strong>de</strong>lagem, com base no mo<strong>de</strong>lo geomorfo-pedológico. A partir do MDE obtiveram-seas classes <strong>de</strong> <strong>de</strong>clivi<strong>da</strong><strong>de</strong> e suas correspondências com o relevo e <strong>solo</strong>, o quepossibilitou as correlações com base no mo<strong>de</strong>lo geomorfo-pedológico <strong>de</strong>senvolvido porANDRADE et al. (1998). Através do módulo Análise/LEGAL do software SPRING(INPE, 2000), foi obtido o cruzamento do mapa <strong>de</strong> <strong>solo</strong>s 1:500.000, e o mapa <strong>de</strong> classes<strong>de</strong> relevo, gerados através dos <strong><strong>da</strong>dos</strong> obtidos pelo SRTM com eqüidistância <strong>da</strong>s curvas<strong>de</strong> nível <strong>de</strong> 25 metros, resultando assim o mapa preliminar <strong>de</strong> <strong>solo</strong>s <strong>para</strong> a área <strong>de</strong>estudo. O método <strong>de</strong> classificação <strong>de</strong> pedoformas proposto possibilitou a obtenção <strong>de</strong>uma mo<strong>de</strong>lagem preliminar <strong>de</strong> <strong>solo</strong>s e a quantificação <strong>da</strong>s áreas ocupa<strong>da</strong>s por classes <strong>de</strong>26
- Page 1 and 2: INSTITUTO AGRONÔMICOCURSO DE PÓS-
- Page 4 and 5: Primeiramente a Deus, pela vida,Ao
- Page 6 and 7: - A toda turma do geoprocessamento
- Page 8 and 9: ÍNDICE DE TABELASTabela 1 - Distri
- Page 10 and 11: ÍNDICE DE FIGURASFigura 1 - Repres
- Page 12 and 13: CRIVELENTI, Rafael Castro. Mineraç
- Page 14 and 15: CRIVELENTI, Rafael Castro. Data min
- Page 16 and 17: 1 INTRODUÇÃOA distribuição espa
- Page 18 and 19: 2 REVISÃO DE LITERATURA2.1 Histór
- Page 20 and 21: 2.2 Levantamento pedológico por m
- Page 22 and 23: corretivas ou compensatórias de ca
- Page 24 and 25: Nesta perspectiva, é oportuno dese
- Page 28 and 29: irregulares (MONTGOMERY, 2003). As
- Page 30 and 31: o objetivo de diminuir o erro por e
- Page 32 and 33: Recentemente, SIRTOLI et al. (2008)
- Page 34 and 35: intermediário, é a unidade de tom
- Page 36 and 37: −∑H x / y)= p .ln( p / p )[3](i
- Page 38 and 39: Estes sistemas manipulam dados geor
- Page 42 and 43: mapeamento, considerando as classes
- Page 44 and 45: correlacionaram com a distribuiçã
- Page 46 and 47: 3 MATERIAL E MÉTODOS3.1 Descriçã
- Page 48 and 49: (a)120Extrato do Balanço Hídrico
- Page 50 and 51: (a)(b)Figura 5 - Mapas de geologia
- Page 52 and 53: Conforme PONÇANO (1981), o ambient
- Page 54 and 55: h) Cambissolo: Solos constituídos
- Page 56 and 57: 1:1.000.000 (IPT, 1981), e evidenci
- Page 58 and 59: ) Curvatura em perfil (VALERIANO, 2
- Page 60 and 61: dados estratificados retirados ante
- Page 62 and 63: 4 RESULTADOS E DISCUSSÃO4.1 MDE, G
- Page 64 and 65: (a)(b)(c)Figura 7 - Mapas de variá
- Page 66 and 67: (a)(b)(c)Figura 8 - Mapas de variá
- Page 68 and 69: 4.2 Análise dos dados e elaboraç
- Page 70 and 71: BalanceamentosFigura 10 - Distribui
- Page 72 and 73: ocorrência deixe de ser amostrada
- Page 74 and 75: unidades de mapeamento de solos fos
- Page 76 and 77: devido a sua grande representativid
- Page 78 and 79: Tabela 12 - Atualização da legend
- Page 80 and 81: A análise do mapa permite verifica
- Page 82 and 83: Tabela 15 - Ordenamento das variáv
- Page 84 and 85: A partir da sobreposição dos mapa
- Page 86 and 87: Tabela 16 - Matiz de confusão das
- Page 88 and 89: Tabela 17 - Porcentagem de acerto e
- Page 90 and 91:
Como pode ser observado na figura 1
- Page 92 and 93:
unidades de mapeamento. Por exemplo
- Page 94 and 95:
O latossolo vermelho amarelo textur
- Page 96 and 97:
mapeamento de solos fosse classific
- Page 98 and 99:
predominância de latossolos (64 %)
- Page 100 and 101:
um banco de dados digitais para ess
- Page 102 and 103:
6 SUGESTÕESComo trabalhos futuros
- Page 104 and 105:
mapa de solos na região de Três P
- Page 106 and 107:
COSTA CABRAL, M. & BURGES, S.J. Dig
- Page 108 and 109:
IBGE - INSTITUTO BRASILEIRO DE GEOG
- Page 110 and 111:
McBRATNEY, A.B.; MENDONÇA SANTOS,
- Page 112 and 113:
PISSARA, T.C.T.; POLITANO, W.; FERR
- Page 114 and 115:
TURCOTTE, R.; FORTIN, J.P.; ROUSSEA
- Page 116 and 117:
8 ANEXO(S)Anexo I………………
- Page 118 and 119:
65,9 0,9 3,6 6,8 LVdf text. argilos
- Page 120 and 121:
Balanceamento de classes = 1a b c d
- Page 122:
Anexo VI - Matriz de confusão para