MAPEAMENTO PEDOLÓGICO DIGITAL COM BASE NO RELEVO E TREINAMENTO POR AMOSTRAGEM DE SOLOS DESENVOLVIDOS DE ARENITOS

Abstract

O entendimento de associações solo-relevo pode contribuir para o mapeamento digital de solos. Por ser estratégia de mapeamento em desenvolvimento, algoritmos de mineração de dados, base de dados para treinamento dos modelos e escalas de trabalho ainda necessitam ser avaliados. Para treinar modelos de classificação a partir de observações pontuais em campo, foram produzidos mapas pedológicos digitais em escala grande de bacia hidrográfica, em Botucatu (SP), em que predominam arenitos. Do modelo digital de elevação da bacia foram geradas sete variáveis morfométricas. A classificação dos solos para treinamento e validação dos modelos foi realizada em campo até o nível de subgrupo mais grupamento textural. Foram testados três algoritmos de mineração de dados. A pertinência de grupos de atributos de relevo às classes taxonômicas foi verificada por análise de agrupamento. Apesar do melhor desempenho do algoritmo MLP (redes neurais), este foi considerado pouco confiável, já que não classificou nenhum exemplo da classe GXbdt, com apenas dois exemplos para treinamento. Os classificadores J48 e Random Forest apresentaram acurácia equivalente na classificação dos solos a partir de dados de relevo, com índice kappa ligeiramente superior para o J48 (0,42). A combinação da extensão da área de estudo com o grau de detalhe das variáveis geomorfométricas produziu uma variabilidade de atributos preditivos difícil de representar no conjunto de treinamento criado por amostragem em campo. A presença de classes de solo representativas e distintas pela textura no mesmo grupo de atributos de relevo criado pela análise de agrupamento indicou que relevo não é fator preponderante na diferenciação textural dos solos, principal atributo diferencial dos solos da área de estudo.