RESUMONo Brasil, normalmente os modelos digitais de elevação (MDEs) são produzidos pelos próprios usuários e pouca atenção tem sido dada às suas limitações, como fonte de informação espacial. Este estudo propôs avaliar diferentes MDEs para subsidiar a escolha do modelo apropriado para derivar atributos topográficos utilizados em um mapeamento digital de solos, por redes neurais artificiais. A avaliação constou da determinação da raiz quadrada do erro médio quadrático da elevação (RMSE); análise das depressões espúrias; comparação entre drenagem mapeada e drenagem numérica, curvas de nível derivadas e curvas de nível originais, e análise das bacias de contribuição derivadas. Os resultados obtidos demonstraram que apenas o RMSE não foi suficiente para avaliar a qualidade desses modelos. O MDE, derivado de curvas de nível (CARTA, obtido com a utilização do módulo TOPOGRID) apresentou qualidade superior aos MDEs derivados de sensores remotos (ASTER e SRTM). A análise qualitativa também identificou que o MDE CARTA é superior aos demais, pois estes apresentaram grande quantidade de erros que podem comprometer o estabelecimento das relações entre atributos do terreno e as condições locais de solos. Palavras-chave: TOPOGRID, ASTER, SRTMEvaluation of digital elevation models for application in a digital soil mapping ABSTRACTIn Brazil, the digital elevation models (DEMs) are usually produced by users themselves and little attention has been given to their limitations as source of spatial information. The objective of this study was to evaluate different DEMs to help in choosing an appropriate model to derive topographical attributes used in a digital soil mapping based on a neural networks approach. The evaluation consisted of the following analysis: determination of root mean square error (RMSE) of elevation; analysis of the spurious depressions; comparison between mapped drainage and numeric drainage and between derived contour lines and original contour lines; and analysis of the derived contribution basins. The results demonstrated that RMSE was not enough to evaluate the quality of these models. DEMs derived from contour lines (CARTA, obtained using the TOPOGRID module) presented better quality than those derived from remote sensors (ASTER and SRTM). These presented great amount of errors that can negatively affect the establishment of relationships between topographical attributes and local conditions of soils.
Resumo -O objetivo deste trabalho foi avaliar variáveis discriminantes no mapeamento digital de solos com uso de redes neurais artificiais. Os atributos topográficos elevação, declividade, aspecto, plano de curvatura e índice topográfico, derivados de um modelo digital de elevação, e os índices de minerais de argila, óxido de ferro e vegetação por diferença normalizada, derivados de uma imagem do Landsat7, foram combinados e avaliados quanto à capacidade de discriminação dos solos de uma área no noroeste do Estado do Rio de Janeiro. Foram utilizados o simulador de redes neurais Java e o algoritmo de aprendizado "backpropagation". Os mapas gerados por cada um dos seis conjuntos de variáveis testados foram comparados com pontos de referência, para a determinação da exatidão das classificações. Esta comparação mostrou que o mapa produzido com a utilização de todas as variáveis obteve um desempenho superior (73,81% de concordância) ao de mapas produzidos pelos demais conjuntos de variáveis. Possíveis fontes de erro na utilização dessa abordagem estão relacionadas, principalmente, à grande heterogeneidade litológica da área, que dificultou o estabelecimento de um modelo de correlação ambiental mais realista. A abordagem utilizada pode contribuir para tornar o levantamento de solos no Brasil mais rápido e menos subjetivo.Termos para indexação: atributos do terreno, classificação de solos, modelo digital de elevação, redes neurais artificiais. Topographic attributes and Landsat7 data in the digital soil mapping using neural networksAbstract -The objective of this study was to evaluate discriminant variables in digital soil mapping using artificial neural networks. The topographic attributes elevation, slope, aspect, plan curvature and topographic index, derived from a digital elevation model, and the indexes of clay minerals, iron oxide and normalized difference vegetation, derived from a Landsat7 image, were combined and evaluated for their ability to discriminate soils of an area at the northwest of Rio de Janeiro State. The Java neural simulator and the backpropagation learning algorithm were used. The maps generated by each of the six tested sets of variables were compared with reference points for determining the rating accuracy. This comparison showed that the map produced with the use of all the variables reached a performance (73.81% of agreement) superior to maps produced by other sets of variables. Possible sources of error in the use of this approach are mainly related to the great lithological heterogeneity of the area, which hindered the establishment of a more realistic model of environmental correlation. The approach can help make the soil survey in Brazil faster and less subjective.
Este trabalho teve por objetivo avaliar a eficiência dos classificadores redes neurais artificiais (RNA) e o de máxima verossimilhança (Maxver) na classificação do uso da terra no município de Viçosa, MG, a partir de imagens do sensor ASTER, com ênfase nos níveis de degradação das pastagens. Neste estudo, foram identificados três níveis de degradação das pastagens (moderado, forte e muito forte) e avaliada uma composição da imagem do sensor ASTER contendo as 3 bandas do visível e infravermelho próximo, com resolução espacial de 15 m. O simulador de redes neurais empregado foi o "Java Neural Network Simulator" e o algoritmo de aprendizado, o backpropagation. Os resultados mostram que a classificação por redes neurais, embora apresente resultado ligeiramente superior, teve desempenho estatisticamente semelhante ao obtido pela classificação pelo Maxver, obtendo um índice Kappa de 0,80, contra 0,79, respectivamente. Nas classificações realizadas a classe que apresentou maior erro de classificação foi a pastagem no nível de degradação forte, enquanto a maior exatidão na classificação foi obtida pelo café, para ambos os classificadores, com 100 e 96%, respectivamente.
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.
RESUMONo presente estudo, foi realizada uma avaliação de diferentes variáveis ambientais no mapeamento digital de solos em uma região no norte do Estado de Minas Gerais, utilizando redes neurais artificiais (RNA). Os atributos do terreno declividade e índice topográfico combinado (CTI), derivados de um modelo digital de elevação, três bandas do sensor Quickbird e um mapa de litologia foram combinados, e a importância de cada variável para discriminação das unidades de mapeamento foi avaliada. O simulador de redes neurais utilizado foi o "Java Neural Network Simulator", e o algoritmo de aprendizado, o "backpropagation". Para cada conjunto testado, foi selecionada uma RNA para a predição das unidades de mapeamento; os mapas gerados por esses conjuntos foram comparados com um mapa de solos produzido com o método convencional, para determinação da concordância entre as classificações. Essa comparação mostrou que o mapa produzido com o uso de todas as variáveis ambientais (declividade, índice CTI, bandas 1, 2 e 3 do Quickbird e litologia) obteve desempenho superior (67,4 % de concordância) ao dos mapas produzidos pelos demais conjuntos de variáveis. Das variáveis utilizadas, a declividade foi a que contribuiu com maior peso, pois, quando suprimida da análise, os resultados da concordância foram os mais baixos (33,7 %). Os resultados demonstraram que a abordagem utilizada pode contribuir para superar alguns dos problemas do mapeamento de solos no Brasil, especialmente em escalas maiores que 1:25.000, tornando sua execução mais rápida e mais barata, sobretudo se houver disponibilidade de dados de sensores remotos de alta resolução espacial a custos mais baixos e facilidade de obtenção dos atributos do terreno nos sistemas de informação geográfica (SIG).Termos de indexação: pedologia, mapeamento de solos, inteligência artificial, sensores remotos, geomorfometria.
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 ...
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
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
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.