Rodrigo Teske

Avaliação de cinco algoritmos de árvores de decisão e três tipos de modelos digitais de elevação para mapeamento digital de solos a nível semidetalhado na Bacia do Lageado Grande, RS, Brasil

O mapeamento digital de solos (MDS) tem como base a geracao de sistemas de informacoes que permitem estabelecer relacoes matematicas entre variaveis ambientais e solos e, dessa forma, predizer a distribuicao espacial das classes ou propriedades dos solos. Dentre as abordagens mais utilizadas, as arvores de decisao tem se destacado por apresentar bons resultados no MDS. Por outro lado, dada a disponibilidade de novas fontes de informacao sobre a elevacao, torna-se necessario o teste e avaliacao de modelos digitais de elevacao (MDE) quanto ao seu uso para o MDS. Este estudo testa cinco algoritmos de arvores de decisao (Simple Chart, Random Tree, REP Tree, BF Tree e J48) e tres MDE (Aster GDEM, SRTM e SRTM V3) para o MDS a nivel semidetalhado, em situacoes em que o principal fator diferenciador entre os tipos de solo e o relevo. O uso do MDE Aster GDEM e arvore de decisao com algoritmo J48, Simple Tree e BF Tree foram os que produziram modelos de arvore de decisao capazes de produzir mapas de solo com maior similaridade ao mapa de referencia.

Comparação do uso de modelos digitais de elevação em mapeamento digital de solos em Dois Irmãos, RS, Brasil

Os modelos digitais de elevacao (MDEs) sao fontes fundamentais para correlacionar a ocorrencia e distribuicao de solos com a paisagem pelo mapeamento digital de solos (MDS). A influencia dos tipos e das resolucoes dos MDEs na capacidade de predicao dos modelos preditores de classes de solo ainda e pouco estudada. Neste estudo, foram avaliados e comparados os efeitos de diferentes MDEs na predicao de ocorrencia de unidades de mapeamento de solo (UM). Foram correlacionados 12 atributos do terreno derivados de diferentes MDEs com a ocorrencia de UM. Os MDEs utilizados foram os oriundos dos projetos SRTM v4.1, ASTER GDEM v2, TOPODATA e Brasil em Relevo, e os MDEs gerados a partir de curvas de nivel na escala de 1:50.000, com resolucoes de 30 e 90 m. Os modelos preditores foram treinados por arvore de decisao (Simple Cart) com dados amostrados em 4.280 pontos aleatorios contendo informacoes dos solos extraidos de um mapa convencional de solos na escala 1:20.000 e 12 atributos do terreno derivados de seis MDEs com tamanhos de pixel de 30 e 90 m. A validacao dos modelos preditores de UM foi realizada com a totalidade dos dados da area. Os atributos do terreno que melhor explicaram a ocorrencia das UM foram elevacao, declividade, comprimento de fluxo e orientacao das vertentes. Os MDEs com tamanho de pixel de 30 m geraram correlacoes solo-paisagem menos acuradas. Os modelos preditores mais acurados e com maior numero de UM estimadas foram os gerados a partir dos MDEs com resolucao espacial de 90 m (SRTM v4.1 e CN90), sendo esses os MDEs mais indicados para o MDS, quando predominarem relevos plano e suave ondulado.

Delimitação de áreas para plantio de eucalipto utilizando regressões logísticas

Effective usable area is a key parameter in land acquisition and afforestation planning. The purpose of this research was to generate predictive maps of areas suitable for planting eucalyptus trees using binary logistic regressions and geomorphometric variables. The relationships between the predicting variables and suitable areas for planting eucalyptus trees were modeled and the variable that best explained occurrence of suitable lands was distance from rivers. The generated map showing areas suitable for planting had a high ability to reproduce the original planting map. Logistic regressions demonstrated the feasibility of use this approach to map suitability for eucalyptus forestation.