Extrapolação das relações solo-paisagem a partir de uma área de referência

Ciência Rural

Endereço:
CENTRO DE CIENCIAS RURAIS, AV RORAIMA 1000 PREDIO 42, SL 3104
Santa Maria / RS
Site: http://www.ufsm.br/ccr/revista/
Telefone: (55) 32208698
ISSN: 1038478
Editor Chefe: NULL
Início Publicação: 31/12/1990
Periodicidade: Mensal
Área de Estudo: Medicina Veterinária

Extrapolação das relações solo-paisagem a partir de uma área de referência

Ano: 2011 | Volume: 41 | Número: 5
Autores: Alexandre ten Caten, Ricardo Simão Diniz Dalmolin, Fabrício de Araújo Pedron, Maria de Lourdes Mendonça Santos
Autor Correspondente: Ricardo Simão Diniz Dalmolin | [email protected]

Resumos Cadastrados

Resumo Português:

O objetivo deste estudo foi aplicar uma técnica automatizada de mapeamento de solos a partir de modelos preditivos ajustados em uma área de referência e, posteriormente, aplicados em áreas próximas de mesmas relações solo-paisagem. Modelos lineares generalizados foram desenvolvidos utilizando-se de nove atributos de terreno, derivados de um Modelo Digital de Elevação, como covariáveis preditoras e classes de solos, obtidas em um levantamento convencional, como variáveis dependentes. Os modelos foram capazes de distinguir as três principais formas da paisagem local. Classes de solos de pedogênese intimamente ligada às covariáveis preditoras obtiveram os melhores resultados. O mapa de solos gerado apresentou uma reprodutibilidade de 46,12% e uma exatidão de 21,06%.



Resumo Inglês:

The aim of this study was to apply an automated technique of soil mapping from predictive models developed at a reference area, into nearby areas of the same soil-landscape relationships. Generalized linear models were developed using nine terrain attributes derived from a digital elevation model as covariate predictors, with soil classes, obtained from a conventional soil survey, as dependent variables. The models were able to distinguish the three main forms of the local landscape. Soil classes with pedogenesis intimately tied to the predictive covariates obtained the best results. The soil maps generated, showed a reproducibility of 46.12% and an accuracy of 21.06%.