RESUMOEste trabalho apresenta um modelo para determinar a fragilidade ambiental em bacias hidrográficas. O estudo foi realizado na Bacia do Rio Aldeia Velha, RJ, localizada na zona de contato e transição entre a baixada litorânea e o relevo montanhoso da Serra do Mar. Fatores que influenciam a ocorrência de processos erosivos foram integrados por algoritmos em um SIG para construção de classes de fragilidade. A análise multicriterial considerou o modelo numérico de terreno, dados oficiais sobre variáveis ambientais, imagem orbital de alta resolução e a opinião de especialistas. Através de informações secundárias sobre pedologia, intensidade das chuvas e declividade do terreno gerou-se o Mapa de Fragilidade Potencial (MFP). Através da combinação desse mapa com informações sobre uso e cobertura da terra obteve-se o Mapa da Fragilidade Emergente (MFE). Os resultados mostram que mais de 70% da área da bacia possui fragilidade ambiental considerada alta ou muito alta, tanto potencial como emergente. Os Processos Erosivos Aparentes (PEA) relacionaram-se positivamente com as áreas de alta fragilidade nos produtos cartográficos finais, destacando regiões mais propensas à intensificação de movimentos de massa e prioritárias para prevenção contra perda de solo. Os modelos geraram informações importantes para o planejamento territorial, possibilitando um zoneamento acessível e de fácil atualização para as prefeituras municipais e organizações da sociedade civil, inclusive para o monitoramento das áreas de alta fragilidade ambiental.Palavras-chave: geoprocessamento, diagnóstico, planejamento territorial. Mapping of Environmental Fragility in the Aldeia Velha River Basin, State of Rio de Janeiro, Brazil ABSTRACTThis paper presents an approach to mapping the environmental fragility of river basins. The study was performed at the Aldeia Velha river basin, a rainforest watershed located between Rio de Janeiro's coastal plains and the Serra do Mar highlands. A multiple-criteria analysis was performed involving factors that affect the risk of erosion; these variables were analyze using GIS tools and were integrated by algorithm in order to form a description of the different classes of environmental fragility in the basin. The multicriteria analysis considered the use of a numerical land model, official data, orbital imagery and the opinion of subject-matter experts. A Map of Potential Fragility (MPF) was generated through the collection of secondary information such as soil types, rainfall intensity and terrain slope. This initial map was later combined with a land-use projection to produce a Map of Emerging Fragility (MEF). The mapping results pointed to a highly fragile environment, where more than 70 percent of the basin's area was classified with high or very high degree of fragility, in both the potential and emerging context. The Apparent

Resumo -O objetivo deste trabalho foi avaliar modelos digitais de elevação (MDE), obtidos por diferentes fontes de dados, e selecionar um deles para derivar variáveis morfométricas utilizadas em mapeamento digital de solos. O trabalho foi realizado na Bacia Guapi-Macacu, RJ. Os dados primários utilizados nos modelos gerados por interpolação (MDE-carta e MDE-híbrido) foram: curvas de nível, drenagem, pontos cotados e dados de sensor remoto transformados em pontos. Utilizaram-se, na comparação, modelos obtidos por sensor remoto e por aerorrestituição (MDE SRTM e MDE IBGE). Todos os modelos apresentaram resolução espacial de 30 m. A avaliação dos modelos de elevação foi baseada na análise de: atributos derivados (declividade, aspecto e curvatura); depressões espúrias; comparação entre feições derivadas a partir dos modelos e as originais, oriundas de cartas planialtimétricas; e análise das bacias de contribuição derivadas. O modelo digital de elevação híbrido apresenta qualidade superior à dos demais modelos.Termos para indexação: atributos de terreno, bacias de contribuição, levantamento de solo, modelagem digital, SRTM. Elevation models for obtaining terrain attributes used in digital soil mappingAbstract -The objective of this work was to evaluate digital elevation models (DEM) obtained by different data sources and to select one of them for deriving morphometric variables used in digital soil mapping. The work was performed in the Guapi-Macacu river basin, RJ, Brazil. The primary data used in the models generated by interpolation (DEM map and DEM hybrid) were: contour lines, drainage, elevation points, and remote sensor data transformed into points. The obtained models by remote sensing and aero-restitution (DEM SRTM and DEM IBGE) were used in the comparison. All models showed spatial resolution of 30 m. The elevation model evaluations were based on: the terrain derived attribute analysis (slope, aspect, and curvature); spurious depressions (sink); comparison between features derived from the models and the original ones originated from planialtimetric maps; and the analysis of derived watersheds. The DEM hybrid showed a superior quality than the other models.

The soil organic matter (SOM) content and dynamic are related to vegetation cover, climate, relief, and geology; these factors have strong variation in space in the southeastern of Brazil. The objective of the study was to compare and evaluate performance of classical multiple linear regressions (MLR) and geographically weighted regression (GWR) models to predict soil organic carbon (SOC) and chemical fractions of organic matter in the Brazilian southeastern mountainous region. The regression models were fitted based on SOC and chemical fractions of SOM. The points ( = 89) were selected by pedologist's experience along transects and toposequences. The covariates were also selected using the empirical knowledge of pedologists when choosing variables that drive soil carbon content and its dynamics. Geology map, legacy soils map, terrain attributes derived from digital elevation model, and remote sensing indices derived from RapidEye sensor bands were used as covariates. In all MLR models (except for fulvic acid fraction [FAF]), the legacy soil map was selected as a covariate by the stepwise approach. The geology map was not selected as important covariate to predict FAF and humin (HUM). At least one variable derived from remote sensing was selected by the adjusted models. For the prediction of the SOC, HUM, and FAF, the GWR models had the highest performance. The MLR models extrapolated the results, especially for SOC. The relationships among SOC, SOM fractions, and environmental covariates were affected by local landscape variability, and the GWR model was better at modeling.

No abstract

No abstract

Resumo -O objetivo deste trabalho foi avaliar a influência da resolução espacial do modelo digital de elevação e da eficiência de modelos Random Forest sobre a predição dos teores de areia, argila e carbono orgânico, com uso de número reduzido de amostras. O trabalho foi realizado em área de Cerrado com diversidade litológica, no Estado do Mato Grosso do Sul, tendo-se utilizado atributos morfométricos, dados do sensor TM Landsat 5 e litologia como covariáveis preditoras. Dados da camada superficial (0,0-0,2 m) de 175 perfis de solos (0,009 perfis km -2 ) e de 26 covariáveis preditoras foram utilizados com resolução espacial de 30 (conjunto 1) e 90 m (conjunto 2). A análise realizada pelo Random Forest mostrou que as covariáveis de nível de base do canal de drenagem, da elevação e da litologia foram as mais importantes para explicar a variabilidade. A validação dos modelos apresentou similaridade entre os conjuntos quanto à predição de areia, argila e carbono orgânico, o que explica os seguintes valores de variabilidade espacial, respectivamente: 44, 40 e 33%, para a resolução de 30 m; e de 45, 46 e 33%, para a resolução de 90 m. A resolução espacial das covariáveis preditoras tem pouca influência sobre a predição dos atributos, e a abordagem por Random Forest apresenta potencial de utilização para estimar atributos do solo.Termos para indexação: modelo digital de elevação, morfometria, pedometria, SRTM. Digital mapping of sand, clay, and soil carbon by Random Forest models under different spatial resolutionsAbstract -The objective of this work was to evaluate the effect of the digital elevation model spatial resolution and of the efficiency of Random Forest models on the prediction of sand, clay, and organic carbon contents, using few soil samples. The study was carried out in a Cerrado area with lithological diversity, in the state of Mato Grosso do Sul, Brazil, using morphometric attributes, TM Landsat 5 sensor data, and lithology as predictive covariates. The surface layer data (0.0-0.2 m) of 175 soil profiles (0,009 profiles km -2 ) and of 26 predictor covariates were used with 30 (set 1) and 90-m (set 2) spatial resolutions. The performed analysis by Random Forest models showed that channel base level, elevation, and lithology were the most important ones to explain the variability. The validation of the models showed similarity among sets for the prediction of sand, clay, and organic carbon contents, which explains the following values of spatial variability, respectively: 44, 40, and 33%, for the spatial resolution of 30 m; and 45, 46, and 33%, for the spatial resolution of 90 m. The spatial resolution of the predictive covariates has little effect on attribute predictions, and the Random Forest approach has potential use for estimating soil properties.Index terms: digital elevation model, morphometrics, pedometrics, SRTM. IntroduçãoO conhecimento da distribuição espacial das propriedades físicas e químicas é muito importante para a modelagem ambiental e o manejo adequado dos solos. Por essa razão, existe...

Resumo -O objetivo deste trabalho foi avaliar ferramentas pedométricas para caracterização da composição granulométrica (areia, silte e argila) e comparação de perfis de solos hidromórficos. O estudo foi realizado na bacia hidrográfica do rio Guapi-Macacu, RJ. Foram aplicados o algoritmo "slice-wise" para o fatiamento do perfil em intervalos de 1 cm, e a função "spline" para harmonizar o conjunto de dados segundo seis intervalos de profundidade predefinidos. A análise do conjunto de perfis, por meio das funções de profundidade (slice-wise e spline) e de dendrograma de dissimilaridade, revelou que Planossolos e Gleissolos são relativamente rasos e apresentam camadas arenosas nos horizontes superficiais e teores de argila e silte irregulares em subsuperficie. Essas duas ordens ocorrem na área da bacia hidrográfica geralmente em planícies aluviais, em vales e em sopés de elevação. Os Neossolos Flúvicos apresentaram maiores quantidades de argila e silte em superfície, as quais decrescem em profundidade, e são mais profundos e ocorrem nos terraços aluviais. A abordagem permitiu descrever a variabilidade da textura dos solos hidromórficos em perfil e realizar a análise de similaridade entre as ordens, o que pode apoiar a distinção de fases em unidades de mapeamento e a identificação de critérios quantitativos para a classificação dos solos.Termos para indexação: algoritmo para pedologia quantitativa, banco de dados pedológicos, classificação do solo, funções de profundidade, harmonização de dados, mapeamento do solo. Pedometric tools to characterize soil granulometric composition from hydromorphical soil profilesAbstract -The objective of this work was to evaluate pedometric tools to characterize the particle size distribution (sand, silt, and clay) and to compare the profiles of hydromorphic soils. The study was carried out in the Guapi-Macacu watershed, in the state of Rio de Janeiro, Brazil. The slice-wise algorithm was applied to slice the profile data at 1-cm intervals, and the equal-area spline function for database harmonization, according to six predefined depth intervals. The analysis of the soil profile collection, using the soil-depth functions (slice-wise and spline) and the similarity analysis, revealed that Alfisols and Entisols are relatively shallow and have coarse texture in the topsoil layer and a more irregular distribution of clay and silt along the soil profile. These two orders usually occur in the watershed area related to floodplains, valleys, and footslopes. Fluvisols had higher amounts of clay and silt in the topsoil layer, which decrease with soil depth, and they are deeper and occur in alluvial terraces. The approach allowed to characterize the variability of texture along hydromorphical soil profiles and to perform a similarity analysis between soil orders, which can support the differentiation of soil mapping units and the identification of quantitative criteria for soil classification.Index terms: algorithm for quantitative pedology, pedological database, soil classification, soil-depth ...

No abstract