When soil surveys are not available for land use planning activities, digital soil mapping techniques can be of assistance. Soil surveyors can process spatial information faster, to assist in the execution of traditional soil survey or predict the occurrence of soil classes across landscapes. Decision tree techniques were evaluated as tools for predicting the ocurrence of soil classes in basaltic steeplands in South Brazil. Several combinations of types of decicion tree algorithms and number of elements on terminal nodes of trees were compared using soil maps with both original and simplified legends. In general, decision tree analysis was useful for predicting occurrence of soil mapping units. Decision trees with fewer elements on terminal nodes yield higher accuracies, and legend simplification (aggregation) reduced the precision of predictions. Algorithm J48 had better performance than BF Tree, RepTree, Random Tree, and Simple Chart.
RESUMOO presente trabalho propõe o emprego de geotécnicas no apoio a um levantamento detalhado de solos, desde a coleta de dados em campo até à delimitação das unidades de solo e, posteriormente, a elaboração de um mapa final. A área de estudo corresponde a uma carta topográfica na escala 1:5.000 do Vale dos Vinhedos, na região da Serra Gaúcha, Rio Grande do Sul, Brasil. O material utilizado consiste em dados planialtimétricos de um levantamento aerofotogramétrico, receptores GPS (Global Posigioning System) e softwares de SIG (Sistemas de Informação Geográfica). Os softwares de SIG foram utilizados para integrar os dados de campo com as informações cartográficas e para analisar o relevo por meio de um MNT (Modelo Numérico do Terreno). Os resultados mostraram que o método permite a obtenção de um mapa digital georreferenciado, em que as unidades de mapeamento estão fortemente associadas com as fases de relevo, melhorando sua consistência e confiabilidade e facilitando seu uso futuro para outras aplicações. Termos de indexação: Zoneamento Vitivinícola, Pedologia, Modelo Numérico doTerreno.(1) Trabalho financiado com recursos da FINEP e CNPq. Trabalho apresentado no XXXI Congresso Brasileiro de Ciência do Solo, 2007 (Gramado, RS).
-The objective of this work was to evaluate sampling density on the prediction accuracy of soil orders, with high spatial resolution, in a viticultural zone of Serra Gaúcha, Southern Brazil. A digital elevation model (DEM), a cartographic base, a conventional soil map, and the Idrisi software were used. Seven predictor variables were calculated and read along with soil classes in randomly distributed points, with sampling densities of 0.5, 1, 1.5, 2, and 4 points per hectare. Data were used to train a decision tree (Gini) and three artificial neural networks: adaptive resonance theory, fuzzy ARTMap; self-organizing map, SOM; and multi-layer perceptron, MLP. Estimated maps were compared with the conventional soil map to calculate omission and commission errors, overall accuracy, and quantity and allocation disagreement. The decision tree was less sensitive to sampling density and had the highest accuracy and consistence. The SOM was the less sensitive and most consistent network. The MLP had a critical minimum and showed high inconsistency, whereas fuzzy ARTMap was more sensitive and less accurate. Results indicate that sampling densities used in conventional soil surveys can serve as a reference to predict soil orders in Serra Gaúcha.Index terms: appellation of origin, decision tree, digital elevation model, geographic information systems, neural network, soil mapping. Predição de ordens de solos com alta resolução espacial: resposta de diferentes classificadores à densidade de amostragemResumo -O objetivo deste trabalho foi avaliar a densidade de amostragem na acurácia de predição de ordens de solos, com alta resolução espacial, em área vitícola da Serra Gaúcha. Para isso, utilizou-se modelo digital de elevação (MDE) do terreno, base cartográfica, mapa convencional de solos e o programa Idrisi. Sete variáveis preditoras foram calculadas e lidas junto com as classes de solo, em pontos aleatoriamente distribuídos, nas densidades de 0,5, 1, 1,5, 2 e 4 pontos por hectare. Os dados foram usados para treinar uma árvore de decisão (Gini) e três redes neurais artificiais: teoria da ressonância adaptativa, fuzzy ARTMap; mapa auto-organizável, SOM; e perceptron de múltiplas camadas, MLP. Os mapas estimados foram comparados com o mapa de solos convencional para calcular erros de omissão e de inclusão, exatidão geral, e erros de quantidade e de alocação. A árvore de decisão foi menos sensível à densidade de amostragem e apresentou maior acurácia e consistência. O SOM foi a rede neural com menor sensibilidade e maior consistência. O MLP apresentou mínimo crítico e maior inconsistência, enquanto fuzzy ARTMap apresentou maior sensibilidade e menor acurácia. Os resultados indicam que densidades de amostragem usadas em levantamentos convencionais podem servir de referência para estimar ordens de solos na Serra Gaúcha.Termos para indexação: denominação de origem, árvore de decisão, modelo digital de elevação, sistemas de informação geográfica, rede neural, mapeamento do solo.
RESUMOMapas convencionais de solos têm adquirido importância crescente como entrada para diversas aplicações, muitas vezes sem levar em conta a sua qualidade deles. O objetivo deste estudo foi descrever e comparar mapas de solos usando indicadores quantitativos de fácil determinação. Foram utilizados nove mapas elaborados em diferentes escalas no Rio Grande do Sul e o software ArcGIS. Calcularam-se a escala efetiva, o número de polígonos menores que a área mínima mapeável e um índice de complexidade de forma, e quantificaram-se o número de classes taxonômicas, de tipos de solos e de unidades de mapeamento e a fração da área com dados não uniformes. Os resultados evidenciaram que a qualidade de mapas de solos tende a ser inferior ao presumido para sua escala de apresentação, o que demonstra a importância e a necessidade de avaliações prévias ao seu uso. Indicadores computados a partir dos polígonos e da legenda possibilitam avaliação rápida e objetiva, com potencial de aplicação na sistematização e documentação de dados legados de solos no Brasil.Termos de indexação: mapas de solos, avaliação, escala, qualidade, adequação.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.