Resumo -Com base em levantamento pedológico de reconhecimento de alta intensidade, foram investigadas relações pedogeomorfológicas em uma área do Planalto Central Brasileiro, com vistas à predição de atributos e distribuição dos solos em áreas vizinhas carentes de mapas pedológicos. Três superfícies geomórficas, com distintos padrões de espacialização de solos, foram identificadas. Na mais elevada, a distribuição dos solos é estreitamente relacionada à variação do regime hídrico ao longo das encostas. Ocorrem Latossolo Vermelho (LV), Latossolo Vermelho-Amarelo (LVA), Latossolo Amarelo (LA), Latossolo Amarelo plíntico, Latossolo Amarelo petroplíntico (concrecionário) e Plintossolo Háplico, todos muito argilosos, com teores de Fe 2 O 3 e TiO 2 relativamente homogêneos e índices Ki e Kr indicativos de mineralogia oxídica. Na segunda superfície, os solos apresentam maior variação quanto à textura e teores de Fe e Ti. Predominam LV e LV acriférrico, além de LVA e LA. Nos limites com as chapadas, observa-se a ocorrência de LVA e LA acriférricos endopetroplínticos. Na terceira superfície, que disseca as anteriores, predominam solos menos intemperizados, com atributos muito variáveis, como Cambissolo Háplico, Argissolos Vermelho e Vermelho-Amarelo, Nitossolo Vermelho eutroférrico, Neossolo Litólico e Neossolo Flúvico. O trabalho inclui a proposição de um modelo de evolução para a paisagem regional.Termos para indexação: cerrados, pedogênese, aspectos morfológicos do solo, geomorfologia. Soil-geomorphic surface relationships and landscape evolution in an area of the Brazilian Central PlateauAbstract -The soil-geomorphic surface relationships were investigated in an area of the Central Brazilian Plateau, based upon a high intensity reconnaissance pedological survey, aiming at the prevision of the soil attributes and their distribution in adjacent areas which don't have pedological maps. Three geomorphic surfaces, with distinctive soil distribution patterns, were identified. In the highest geomorphic surface, the soil distribution is highly related to the hydric regime variation along the hillsides, occurring Red Latosol (RL), Red-Yellow Latosol (RYL), Yellow Latosol (YL), Plinthic Yellow Latosol, Petroplinthic Yellow Latosol (PYL) (concretionary soil) and Haplic Plinthosol. These soils show very clayey texture, values of Fe 2 O 3 and TiO 2 relatively homogeneous, and Ki and Kr indexes indicatives of oxidic mineralogy. In the second surface, the soils show higher variation with respect to texture and iron and titanium contents. RL, Acricferric RL, RYL and YL are the dominant soils, with occurrence of Acriferric Endopetroplinthic RYL and YL near the borders of the high tablelands. In the third surface, that cuts the first and second ones, predominate less weathered soils, with high variable attributes, such as Haplic Cambisol, Red and Red-Yellow Argisols, Eutroferric Red Nitosol, Litholic Neosol and Fluvic Neosol. This work includes a proposition of a regional landscape evolution model. IntroduçãoAs informações a respeito ...

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 o desenvolvimento de modelos com diferentes conjuntos de dados, para estimar a densidade de solos de regiões tropicais montanhosas, a partir de atributos de solos comumente encontrados nas análises de perfis de solos descritos nos levantamentos regionais. O conjunto total de dados compõe-se de 163 amostras e foi dividido em seis grupamentos, dos quais três com 73 amostras, com o máximo de 32 covariáveis, e três com 163 amostras, com o máximo de 18 covariáveis. Testaram-se modelos de regressão linear múltipla (RLM) e randomForest (RF). A menor incerteza entre os modelos foi alcançada pelo RLM2, com R 2 de 0,56, 13 covariáveis e 73 amostras. Nos grupamentos com 163 amostras, os melhores modelos foram os RF, com R 2 médio de 0,48. A raiz quadrada da média do erro ao quadrado variou entre 0,09 e 0,14. As covariáveis mais importantes no modelo RF foram: carbono orgânico, hidrogênio, areia fina e grossa, saturação por bases e capacidade de troca catiônica. Pelo método "stepwise regression", as variáveis mais importantes foram: a relação silte/argila; areia grossa e fina; carbono orgânico; saturação por bases; e potássio.Termos para indexação: estoque de carbono, funções de pedotransferência, modelos dirigidos pelos dados, stepwise. Multiple linear regression and Random Forest model to estimate soil bulk density in mountainous regionsAbstract -The objective of this work was the development of models with different sets of data for estimating soil bulk density in tropical mountainous regions, from soil attributes commonly found in the analyses of soil profiles described in regional surveys. The complete dataset is composed of 163 samples and it was divided into six groups, of which three groups have 73 samples and the maximum of 32 covariables, and three have 163 samples and the maximum of 18 covariables. The linear regression (RLM) and randomForest (RF) models were tested. The lowest uncertainty between the models was achieved by RLM2, with R 2 of 0.56, 13 covariables, and 73 samples. Considering the groups with 163 samples, the best models were the RFs with mean R 2 of 0.48. The root mean squared error ranged between 0.09 and 0.14. The most important covariables in the RF model were: organic carbon, hydrogen, fine and coarse sand, base saturation, and cation exchange capacity. By the stepwise backward regression, the main covariables were: silt and clay relation; fine and coarse sand; organic carbon; base saturation; and potassium.

RESUMOOs zoneamentos agropedoclimáticos fazem uso de banco de dados ambientais e apresentam uma classificação que integra diversas variáveis por meio das operações de geoprocessamento. Neste trabalho, foi realizado um estudo de caso da soja no Rio Grande do Sul. Os aplicativos PC-ArcInfo, Arcview e SGI VGA foram empregados para as operações de entrada, de geoprocessamento dos dados e de apresentação dos resultados alcançados. O geoprocessamento envolveu a reclassificação e cruzamentos dos planos de informação e operações com tabelas associadas aos planos de informação. As características dos solos, tais como: fertilidade natural, textura, relevo, profundidade efetiva, susceptibilidade à erosão, drenagem, pedregosidade/rochosidade e saturação por sódio, foram avaliadas para a cultura da soja em todos os componentes das unidades de mapeamento de solos do estado do Rio Grande do Sul, gerando um plano de informação de aptidão pedológica para essa cultura que, depois de cruzado com o de época de semeadura por municípios, gerou o plano de informação final do zoneamento agropedoclimático. A utilização desse método permitiu fazer uma avaliação: (a) de cada um dos componentes das unidades de mapeamento, e (b) dos resultados obtidos de acordo com a percentagem de ocorrência de cada componente dentro da unidade de mapeamento.Termos de indexação: solos, banco de dados, SIG, interpretação.

Mapping soil cation exchange capacity in a semiarid region through predictive models and covariates from remote sensing data. Rev Bras Cienc Solo. 2018;42:e0170183.

(2) RESUMO A amostragem é uma das etapas mais importantes dos levantamentos de solos. No entanto, os esquemas de amostragem utilizados nos levantamentos convencionais têm se evidenciado inadequados para o mapeamento digital de solos, pois podem comprometer os resultados e, além disso, não possibilitam a realização de análises estatísticas. Este estudo teve por objetivo avaliar o método de amostragem do hipercubo latino condicionado (cLHS, sigla em inglês), na presença de covariáveis ambientais (elevação, declividade, curvatura e mapa de uso e cobertura do solo), em comparação com a amostragem aleatória, na alocação de 100 pontos amostrais, buscando maior representatividade das características ambientais da bacia do rio Guapi-Macacu. O desempenho dos métodos foi avaliado pela análise qualitativa dos histogramas de frequência e das análises estatísticas pelos testes F, T de Student e Kolmogorov-Smirnov (K-S), para cada covariável. Os resultados apresentaram que os pontos selecionados pelo método cLHS possuíam distribuição geográfica mais adequada do que aqueles obtidos pela amostragem aleatória. Além disso, o método cLHS preservou mais a distribuição de frequência das covariáveis contínuas do que a amostragem aleatória; para covariável categórica uso e cobertura do solo os métodos foram equivalentes. Os testes estatísticos confirmaram o melhor desempenho do método cLHS, cujas amostras não diferiram estatisticamente da bacia. Entretanto, a amostragem aleatória apresentou diferença estatística para com a bacia, para todas as covariáveis