Michele Duarte de Menezes

Levantamento pedológico e sistema de informações geográficas naavaliação do uso das terras em sub-bacia hidrográfica de Minas Gerais

A aptidao agricola das terras consiste em uma classificacao tecnica que identifica o potencial agricola de utilizacao das mesmas, considerando as limitacoes do solo em niveis de manejo diferenciados a partir das informacoes geradas em um levantamento pedologico. O cruzamento dos dados de aptidao agricola e uso atual das terras em ambiente SIG (Sistema de Informacoes Geograficas) consiste numa ferramenta adequada de planejamento, pois permite determinar a inadequacao entre uso e aptidao agricola, dando bases sustentaveis a exploracao. Neste estudo, foram realizadas a avaliacao da aptidao agricola das terras e seu uso atual com auxilio de imagens de satelite e observacoes de campo, e a identificacao de Areas de Preservacao Permanente (APPs) em uma sub-bacia hidrografica da Bacia do Alto Rio Grande, MG. Com base no levantamento de solos, a utilizacao do sensoriamento remoto, por meio de imagens de satelites, aliado ao ambiente SIG, constituem-se em ferramentas adequadas para avaliacao da aptidao agricola e uso atual das terras, e permitem o monitoramento das areas da sub-bacia hidrografica. O levantamento pedologico forneceu uma base segura e real para que, com o auxilio de ferramentas de geoprocessamento, os mapas resultantes tivessem melhor qualidade e representassem com acuracia os diferentes ambientes naturais na paisagem da sub-bacia hidrografica. Ocorreu o predominio de usos da terra menos intensivos que os das classes de aptidao agricola encontradas. As Areas de Preservacao Permanente (APPs) estao recebendo os mais diferentes usos agricolas, caracterizando uma inadequacao entre a legislacao ambiental e o uso atual da terra.

Solum depth spatial prediction comparing conventional with knowledge-based digital soil mapping approaches

Solum depth and its spatial distribution play an important role in different types of environmental studies. Several approaches have been used for fitting quantitative relationships between soil properties and their environment in order to predict them spatially. This work aimed to present the steps required for solum depth spatial prediction from knowledge-based digital soil mapping, comparing the prediction to the conventional soil mapping approach through field validation, in a watershed located at Mantiqueira Range region, in the state of Minas Gerais, Brazil. Conventional soil mapping had aerial photo-interpretation as a basis. The knowledge-based digital soil mapping applied fuzzy logic and similarity vectors in an expert system. The knowledge-based digital soil mapping approach showed the advantages over the conventional soil mapping approach by applying the field expert-knowledge in order to enhance the quality of final results, predicting solum depth with suited accuracy in a continuous way, making the soil-landscape relationship explicit.

Spatial prediction of soil properties in two contrasting physiographic regions in Brazil

This study compared the performance of ordinary kriging (OK) and regression kriging (RK) to predict soil physical-chemical properties in topsoil (0-15 cm). Mean prediction of error and root mean square of prediction error were used to assess the prediction methods. Two watersheds with contrasting soil-landscape features were studied, for which the prediction methods were performed differently. A multiple linear stepwise regression model was performed with RK using digital terrain models (DTMs) and remote sensing images in order to choose the best auxiliary covariates. Different pedogenic factors and land uses control soil property distributions in each watershed, and soil properties often display contrasting scales of variability. Environmental covariables and predictive methods can be useful in one site study, but inappropriate in another one. A better linear correlation was found at Lavrinha Creek Watershed, suggesting a relationship between contemporaneous landforms and soil properties, and RK outperformed OK. In most cases, RK did not outperform OK at the Marcela Creek Watershed due to lack of linear correlation between covariates and soil properties. Since alternatives of simple OK have been sought, other prediction methods should also be tested, considering not only the linear relationships between covariate and soil properties, but also the systematic pattern of soil property distributions over that landscape.

Levantamento detalhado de solos da microbacia hidrográfica do horto florestal Terra Dura (RS) e considerações sobre escalas de mapeamento

A utilizacao adequada de informacoes contidas em levantamentos de solos fornece subsidios para o planejamento de diversas areas de atividade, sejam agricolas ou nao-agricolas. Entretanto, tem-se observado a ampliacao dos mapas de solos de microbacias hidrograficas e de municipios, a partir de mapas de pequena escala, sem trabalhos de campo. Essa pratica, no entanto, nao e aconselhavel, podendo levar a interpretacoes incorretas. Assim, este trabalho foi desenvolvido com o objetivo de executar o levantamento detalhado de solos de uma microbacia hidrografica localizada no estado do Rio Grande do Sul e comparar as informacoes obtidas pelo levantamento detalhado de solos, escala 1:10.000, com aquelas dos mapas ampliados do levantamento de reconhecimento de solos daquele estado, escala 1:750.000, e do levantamento exploratorio, escala 1:1.000.000. As unidades de mapeamento de solos foram quantificadas quanto a area de abrangencia e porcentagem da area ocupada. O levantamento detalhado permitiu identificar doze unidades de mapeamento de solos na microbacia, ao passo que os mapas ampliados de solos identificaram apenas uma. Em torno de 40% da area da microbacia, atributos relevantes a aptidao silvicultural das terras para o cultivo do eucalipto nao puderam ser adequadamente avaliados pelos mapas de escala pequena ampliados.

Multiple linear regression and random forest to predict and map soil properties using data from portable X-ray fluorescence spectrometer (pXRF)

A determinacao de atributos do solo auxilia no correto manejo da sua fertilidade. O equipamento portatil de fluorescencia de raios-X (pXRF) foi recentemente adotado para determinar o teor total de elementos quimicos em solos, permitindo inferencias sobre atributos do solo. No entanto, esses estudos ainda sao escassos no Brasil e em outros paises. Os objetivos deste trabalho foram prever atributos do solo a partir de dados do pXRF, comparando-se os metodos de regressao linear multipla stepwise (SMLR) e de random forest (RF), alem de mapear e validar atributos do solo. 120 amostras de solo foram coletadas em tres profundidades e submetidas a analises laboratoriais. Utilizou-se o pXRF para leitura das amostras e determinou-se o teor total de elementos. A partir dos dados do pXRF, foram utilizadas SMLR e RF para predizer resultados laboratoriais, que refletem atributos do solo, e os modelos foram validados. O melhor metodo foi utilizado para espacializar os atributos do solo. Utilizando SMLR, os modelos apresentaram valores elevados de R² (≥0,8), porem maior acuracia foi obtida na modelagem com RF. A capacidade de troca de cations potencial e efetiva, materia orgânica do solo, pH, saturacao por bases e teores trocaveis de Ca, Al e Mg apresentaram ajustes adequados e predicoes acuradas com RF. Dos dez atributos do solo preditos por RF a partir de dados do pXRF, sete apresentavam CaO como a variavel mais importante para auxiliar as predicoes, seguido por P2O5, Zn e Cr. Os mapas gerados a partir de dados do pXRF usando RF apresentaram adequados valores de R² para seis atributos do solo, atingindo R2 de ate 0,83. O pXRF em associacao com RF pode ser usado para prever atributos do solo com elevada acuracia, com rapidez e a baixo custo, alem de proporcionar variaveis que auxiliam o mapeamento digital de solos.

Geomorphometric tool associated with soil types and properties spatial variability at watersheds under tropical conditions

The application of quantitative methods to digital soil and geomorphological mapping is becoming an increasing trend. One of these methods, Geomorphons, was developed to identify the ten most common landforms based on digital elevation models. This study aimed to make a quantitative assessment of the relationships between Geomorphons units, determined at three spatial resolutions and nine radii, and soil types and properties of two watersheds with different soil-landscape relationships in Brazil to help soil surveying and mapping under tropical conditions. The study was conducted at Lavrinha Creek (LCW) and Marcela Creek (MCW) watersheds, located in the state of Minas Gerais, Brazil. Spatial resolutions of 10, 20 and 30 m were the basis for generating Geomorphons at 9 radii of calculation for the watersheds. They were overlapped to detailed soil maps of the watersheds and a chi-square test was carried out to assess their relationship with soil types. Observation points were compared with the most highly correlated Geomorphons to also assess relationships with soil properties. Geomorphons with resolution of 30-m and radii of 20 and 50 cells, respectively for LCW and MCW, were more highly correlated with the variability of soil types, in accordance with the terrain features of these watersheds. The majority of observation points for each soil type was located in the same Geomorphon unit that was dominant when analyzing soil maps. There was less variability in soil properties between Geomorphon units, which was probably due to the highly weathered-leached stage of soils. Geomorphons can help to improve soil maps in tropical conditions when assessing soil variability due to its high correlation with tropical soil types variability.

Mapping soils in two watersheds using legacy data and extrapolation for similar surrounding areas

Mapas de solos existentes (dados legados) associados a tecnicas de mapeamento digital sao alternativas para obter informacoes a menores custos, entretanto, alguns testes sao necessarios para se fazer isso de forma mais eficiente. Este estudo objetivou comparar diferentes metodos para extrair informacoes de mapas de solos em escala detalhada usando arvores de decisao para mapear classes de solos em duas sub-bacias hidrograficas de Minas Gerais, validar os mapas em campo e usar o melhor metodo para extrapolar informacoes para areas maiores, tambem validando estes mapas. Mapas de solos detalhados das sub-bacias do ribeirao Vista Bela (VBW) e ribeirao Marcela (MCW) foram utilizados como fonte de informacao. Sete metodos para extrair informacoes de mapas foram comparados: poligono todo, eliminando 20 e 40 m das bordas dos poligonos, e com buffers em torno dos pontos amostrados com raios de 25 m, 50 m, 75 m e 100 m. O algoritmo Classification and Regression Trees (CART) foi utilizado para gerar arvores de decisao e permitir a criacao de mapas de solos. A acuracia dos mapas foi avaliada atraves da acuracia global e indice Kappa. O melhor metodo foi utilizado para extrapolar informacoes para areas maiores e esses mapas foram validados. Os melhores metodos para VCW e MCW foram, respectivamente, eliminando 20 m das bordas dos poligonos e buffer com raio de 25 m ao redor dos pontos. Mapas para areas maiores foram obtidos usando esses metodos. Remocao de areas de incerteza de mapas legados de solos contribuem para uma melhor modelagem e predicao de classes de solos. A utilizacao de informacoes geradas neste trabalho permitiu a extrapolacao validada de mapas de solos para regioes do entorno das sub-bacias hidrograficas.

Hybrid kriging methods for interpolating sparse river bathymetry point data

Terrain models that represent riverbed topography are used for analyzing geomorphologic changes, calculating water storage capacity, and making hydrologic simulations. These models are generated by interpolating bathymetry points. River bathymetry is usually surveyed through cross-sections, which may lead to a sparse sampling pattern. Hybrid kriging methods, such as regression kriging (RK) and co-kriging (CK) employ the correlation with auxiliary predictors, as well as inter-variable correlation, to improve the predictions of the target variable. In this study, we use the orthogonal distance of a (x, y) point to the river centerline as a covariate for RK and CK. Given that riverbed elevation variability is abrupt transversely to the flow direction, it is expected that the greater the Euclidean distance of a point to the thalweg, the greater the bed elevation will be. The aim of this study was to evaluate if the use of the proposed covariate improves the spatial prediction of riverbed topography. In order to asses such premise, we perform an external validation. Transversal cross-sections are used to make the spatial predictions, and the point data surveyed between sections are used for testing. We compare the results from CK and RK to the ones obtained from ordinary kriging (OK). The validation indicates that RK yields the lowest RMSE among the interpolators. RK predictions represent the thalweg between cross-sections, whereas the other methods under-predict the river thalweg depth. Therefore, we conclude that RK provides a simple approach for enhancing the quality of the spatial prediction from sparse bathymetry data.