Abstract
Técnicas de mapeamento digital podem contribuir para agilizar a realização de levantamentos pedológicos detalhados. Objetivou-se com este trabalho obter um mapa digital de solos (MDS) com uso de redes neurais artificiais (RNA), utilizando correlações entre unidades de mapeamento (UM) e covariáveis ambientais. A área utilizada compreendeu aproximadamente 12.000 ha localizados no município de Barra Bonita, SP. A partir do resultado de uma análise de agrupamento das covariáveis ambientais, foram escolhidas cinco áreas de referência para realizar o mapeamento convencional. As UM identificadas subsidiaram a aplicação da técnica de RNA. Utilizaram-se o simulador de redes neurais JavaNNS e o algoritmo de aprendizado backpropagation. Pontos de referência foram coletados para avaliar o desempenho do mapa digital produzido. A posição na paisagem e o material de origem subjacente foram determinantes para o reconhecimento dos delineamentos das UM. Houve boa concordância entre as UM delineadas pelo MDS e pelo método convencional. A comparação entre os pontos de referência e o mapa de solos digital evidenciou exatidão de 72 %. O uso da abordagem MDS utilizada pode contribuir para diminuir a falta de informações semidetalhadas de solos em locais ainda não mapeados, tomando-se como base informações pedológicas obtidas de áreas de referência adjacentes.
Highlights
O conhecimento sobre as propriedades e os atributos dos solos é de extrema importância para a adoção de práticas adequadas de manejo, visando a sustentabilidade do meio ambiente e maior eficiência na produção de alimentos
Os possíveis motivos que podem ser citados como causas das divergências na validação pontual do mapa digital de solos são: a variação dos solos pode ter ocorrido sem relação com as covariáveis ambientais utilizadas na estratégia aplicada (Chagas et al, 2010); o uso das informações geológicas pode não ter representado adequadamente a geologia da área, em razão da escala reduzida (Thomas et al, 1999); a dificuldade no processo de aprendizado das redes neurais, confundindo unidades de mapeamento (UM) de comportamentos similares para as covariáveis ambientais (Zhu, 2000); e a obtenção de amostras para treinamento e validação das Redes Neurais Artificiais (RNA) a partir de polígonos de UM oriundos de abordagem convencional, que podem não representar as unidades presentes, em razão de o nível de mapeamento efetuado ser considerado semidetalhado
ZHU, A.X. Mapping soil landscape as spatial continua: The neural network approach
Summary
Caracterização da área de estudo O trabalho foi desenvolvido em uma área localizada no município de Barra Bonita (SP), com aproximadamente 12.000 ha, entre as coordenadas UTM de 750.539 e 764.418 mE e 7.524.287 e 7.514.029 mN (fuso 22, Datum SAD 69). A diferença das características químicas e granulométricas dessas quatro unidades se fez, entre outros fatores, pela contribuição do basalto mais a jusante e do arenito mais a montante na paisagem, o que se evidenciou pelo aumento nos teores de cátions básicos, apresentando valores de soma de bases que vão de 28,5 mmolc kg-1 (LVe2) até 43,8 mmolc kg-1 (PVe3/1) e de CTC de 37,1 a 47,9 mmolc kg-1 na transição do mesmo Latossolo de textura argilosa para um Latossolo muito argiloso (LVef1) (dados de subsuperfície) (Quadro 1).
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
