Mineração de dados para inferência da relação solo ... - IAC
Mineração de dados para inferência da relação solo ... - IAC
Mineração de dados para inferência da relação solo ... - IAC
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Como po<strong>de</strong> ser observado na figura 14, os <strong>solo</strong>s <strong>de</strong>ssa região estão distribuídosem quatro or<strong>de</strong>ns, <strong>de</strong> acordo com o Sistema Brasileiro <strong>de</strong> Classificação <strong>de</strong> Solos(EMBRAPA, 2006), sendo elas: latos<strong>solo</strong>s, argis<strong>solo</strong>s, nitos<strong>solo</strong>s e neos<strong>solo</strong>s.Os latos<strong>solo</strong>s ocupam a maior parte <strong>da</strong> área, 64,3 %, com <strong>de</strong>staque <strong>para</strong> olatos<strong>solo</strong> vermelho amarelo (40,5 %). O argis<strong>solo</strong> vermelho amarelo também estápresente em gran<strong>de</strong> parte <strong>da</strong> área, com 22 % <strong>de</strong> distribuição, sendo que os neos<strong>solo</strong>s enitos<strong>solo</strong>s apresentam uma baixa expressivi<strong>da</strong><strong>de</strong>, menos que 10 % <strong>da</strong> área ca<strong>da</strong> (Tabela19).Tabela 19 –Proporção <strong>de</strong> ocorrência <strong>da</strong>s uni<strong>da</strong><strong>de</strong>s <strong>de</strong> mapeamento na folha Dois Córregos, apóssimplificação <strong>da</strong> legen<strong>da</strong>.Uni<strong>da</strong><strong>de</strong>s <strong>de</strong> Mapeamento Área (%)LVA text. média 40,5LVd text. argilosa 3,2LVd text. média 12,3LVdf text. arg. ou muito argilosa 3,9LVef arg. ou muito argilosa 4,45Municípios 0,43NVe ou NVd arg. ou muito argilosa 8,15PVAd text. méd. ou arenosa/média 3,7PVAe text. aren/méd. ou méd/arg. 17,9RLe ou RLd text. argilosa 0,21RLe ou RLd text. média 4,26RQ 1TOTAL 100O melhor <strong>de</strong>sempenho ocorreu <strong>para</strong> o balanceamento <strong>de</strong> classes igual a zero,sem as uni<strong>da</strong><strong>de</strong>s <strong>de</strong> mapeamento <strong>de</strong> <strong>solo</strong>s com probabili<strong>da</strong><strong>de</strong> <strong>de</strong> ocorrência igual a zero,com aproxima<strong>da</strong>mente 61 % <strong>de</strong> acurácia (Tabela 10), contemplando to<strong>da</strong>s as uni<strong>da</strong><strong>de</strong>s<strong>de</strong> mapeamento individualmente com boa acurácia. Apesar disso, o número <strong>de</strong> regrasgera<strong>da</strong>s foi elevado, 98, sendo que não foi possível observar a árvore <strong>de</strong> <strong>de</strong>cisão.São poucos os trabalhos que utilizaram tal técnica no mapeamento digital <strong>de</strong><strong>solo</strong>s, cabendo <strong>de</strong>stacar o <strong>de</strong>senvolvido por BUI et al. (2008), na região <strong>de</strong> Toowoomba,Austrália. Diferentemente <strong>de</strong>ste trabalho, foi utilizado uma gra<strong>de</strong> <strong>de</strong> MDE <strong>de</strong> 250metros e obteve os parâmetros <strong>de</strong> <strong>de</strong>clivi<strong>da</strong><strong>de</strong>, aspecto, curvaturas em perfil, planta,tangencial e área <strong>de</strong> contribuição. O algorítimo utilizado foi o mesmo, C5, sendo os seusresultados consi<strong>de</strong>rados os mais promissores até então, com 69 % <strong>de</strong> concordância entreo mapa real (obtido através <strong>de</strong> levantamento tradicional <strong>de</strong> <strong>solo</strong>s) e o predito, com umacurácia <strong>de</strong> predição <strong>de</strong> 48 %. Cabe então ressaltar a importância <strong>de</strong>sse trabalho com a75