Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes
| Ano de defesa: | 2015 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://hdl.handle.net/10183/139068 |
Resumo: | Nas últimas décadas o Mapeamento Digital de Solos (MDS) está ganhando espaço devido ao aumento da disponibilidade de dados numéricos, entretanto algumas metodologias ainda precisam ser definidas, dentre elas, a densidade de amostras e as variáveis a serem utilizadas para a alimentação dos modelos. Assim, o objetivo deste trabalho foi testar diferentes densidades de amostragem, diferentes conjuntos de variáveis para avaliar a resposta dos modelos e, a partir disso, realizar a extrapolação de classes de solos em paisagens semelhantes. Esta tese é composta de três estudos que testam metodologias para a predição de ocorrência de classes de solos utilizando técnicas do MDS. No primeiro estudo, realizado nas bacias do Santo Cristo e do Lageado Grande foi testado o efeito de diferentes densidades de amostragens sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. Os modelos preditores foram treinados com dados dos atributos do terreno derivados do modelo digital de elevação e com informações de solos extraídas do mapa pedológico. De modo geral o aumento da densidade de amostragem resultou no aumento da concordância com os mapas de referências e no aumento do número de unidades de mapeamento preditas. No segundo estudo, realizado nas bacias do Santo Cristo e do Arroio Portão, foi testado o efeito de diferentes conjuntos de variáveis geomorfométricas sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. A partir do modelo digital de elevação foram geradas onze variáveis. As variáveis comprimento de fluxo, elevação do terreno e distância de rios foram as que mais influenciaram os resultados de acurácia e a quantidade de unidades de mapeamento preditas. O modelo gerado com somente as três variáveis gerou o modelo com resultados semelhantes ao modelo gerado com todas as variáveis. O terceiro estudo foi realizado em duas etapas. A primeira etapa foi realizada nas bacias do Santo Cristo e do Arroio Portão e a segunda nas bacias do Santo Cristo e na do Lageado Grande. Na primeira etapa dividiu-se as bacias em partes iguais, utilizando-se uma para o treinamento e a outra para a validação dos modelos. A acurácia foi maior na área de treinamento do que na área de validação, entretanto mostrou-se uma ferramenta interessante a ser utilizada para a elaboração de mapas. Na segunda etapa utilizou-se a bacia do Santo Cristo para o treinamento do modelo e a do Lageado Grande para a validação. Nesta fase os modelos não conseguiram gerar mapas com boas acurácias na área de validação. |
| id |
URGS_ba0a52ed86b7a1fa19615665d68ddbf5 |
|---|---|
| oai_identifier_str |
oai:www.lume.ufrgs.br:10183/139068 |
| network_acronym_str |
URGS |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| repository_id_str |
|
| spelling |
Bagatini, TatianeGiasson, Elvio2016-04-16T02:07:54Z2015http://hdl.handle.net/10183/139068000989413Nas últimas décadas o Mapeamento Digital de Solos (MDS) está ganhando espaço devido ao aumento da disponibilidade de dados numéricos, entretanto algumas metodologias ainda precisam ser definidas, dentre elas, a densidade de amostras e as variáveis a serem utilizadas para a alimentação dos modelos. Assim, o objetivo deste trabalho foi testar diferentes densidades de amostragem, diferentes conjuntos de variáveis para avaliar a resposta dos modelos e, a partir disso, realizar a extrapolação de classes de solos em paisagens semelhantes. Esta tese é composta de três estudos que testam metodologias para a predição de ocorrência de classes de solos utilizando técnicas do MDS. No primeiro estudo, realizado nas bacias do Santo Cristo e do Lageado Grande foi testado o efeito de diferentes densidades de amostragens sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. Os modelos preditores foram treinados com dados dos atributos do terreno derivados do modelo digital de elevação e com informações de solos extraídas do mapa pedológico. De modo geral o aumento da densidade de amostragem resultou no aumento da concordância com os mapas de referências e no aumento do número de unidades de mapeamento preditas. No segundo estudo, realizado nas bacias do Santo Cristo e do Arroio Portão, foi testado o efeito de diferentes conjuntos de variáveis geomorfométricas sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. A partir do modelo digital de elevação foram geradas onze variáveis. As variáveis comprimento de fluxo, elevação do terreno e distância de rios foram as que mais influenciaram os resultados de acurácia e a quantidade de unidades de mapeamento preditas. O modelo gerado com somente as três variáveis gerou o modelo com resultados semelhantes ao modelo gerado com todas as variáveis. O terceiro estudo foi realizado em duas etapas. A primeira etapa foi realizada nas bacias do Santo Cristo e do Arroio Portão e a segunda nas bacias do Santo Cristo e na do Lageado Grande. Na primeira etapa dividiu-se as bacias em partes iguais, utilizando-se uma para o treinamento e a outra para a validação dos modelos. A acurácia foi maior na área de treinamento do que na área de validação, entretanto mostrou-se uma ferramenta interessante a ser utilizada para a elaboração de mapas. Na segunda etapa utilizou-se a bacia do Santo Cristo para o treinamento do modelo e a do Lageado Grande para a validação. Nesta fase os modelos não conseguiram gerar mapas com boas acurácias na área de validação.In recent decades the digital soil mapping is gaining ground due to the increase of numerical data, but some methodologies have yet to be defined, among them, the density of sampling and the selection of attributes models training. The objective of this study was to evaluate the use of different methodologies and materials for data analysis and prediction of occurrence of soil classes. This thesis is composed of three studies testing methodologies for soil classes of occurrence of prediction using MDS techniques. In the first study, performed in the Santo Cristo and the Lageado Grande watersheds, it was tested the effect of different densities of samples on the capacity of models to predict the occurrence of soil classes. The predictive models were trained with data attributes derived from a digital terrain elevation model and information extracted from a legacy soil map. In general, the increase in sampling density resulted in an increase in accordance with the reference map and increase the number of predicted map units. In the second study, performed in the Santo Cristo and Arroio Portão watersheds, it was tested the effect of different sets of geomorphometric variables on the predictive ability of occurrence of prediction models of soil classes. From the digital elevation model were derivate eleven variables. The variables flow length, altitude and distance from rivers were the ones that more influenced the results of accuracy and number of predicted mapping units. The model generated with only this three variables generated the model with results similar to the model that used all variables. The third study was performed in two stages. The first step performed in the Santo Cristo and Arroio Portão watersheds, and the second in the Santo Cristo and Lageado Grande watersheds. In the first step the basins were divided into two equal parts using a part for model training and the other for model validation. The accuracy was greater in the training area than in the validation area; however the extrapolation to similar areas proved to be an interesting tool to be used for the preparation of maps. In the second step it was used the basin of the Santo Cristo for model training and the Lageado Grande for model validation. In this step the models were not able to generate maps with good accuracy in the validation area.application/pdfporClassificacao do soloPedologiaMapeamento digitalMapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantesDigital soil class mapping : sampling density, variable selection and extrapolation to phisiographic similar areainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulFaculdade de AgronomiaPrograma de Pós-Graduação em Ciência do SoloPorto Alegre, BR-RS2015doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000989413.pdf000989413.pdfTexto completoapplication/pdf2602095http://www.lume.ufrgs.br/bitstream/10183/139068/1/000989413.pdf2a1f25711c3d0018275da10b1f53ece1MD51TEXT000989413.pdf.txt000989413.pdf.txtExtracted Texttext/plain173770http://www.lume.ufrgs.br/bitstream/10183/139068/2/000989413.pdf.txt64bd350881fbba55ab8d31dfe1571492MD52THUMBNAIL000989413.pdf.jpg000989413.pdf.jpgGenerated Thumbnailimage/jpeg1092http://www.lume.ufrgs.br/bitstream/10183/139068/3/000989413.pdf.jpgcd7c2b019abb484857c1672a5c8187cbMD5310183/1390682025-08-03 08:00:15.646801oai:www.lume.ufrgs.br:10183/139068Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br || lume@ufrgs.bropendoar:18532025-08-03T11:00:15Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
| dc.title.pt_BR.fl_str_mv |
Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes |
| dc.title.alternative.en.fl_str_mv |
Digital soil class mapping : sampling density, variable selection and extrapolation to phisiographic similar area |
| title |
Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes |
| spellingShingle |
Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes Bagatini, Tatiane Classificacao do solo Pedologia Mapeamento digital |
| title_short |
Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes |
| title_full |
Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes |
| title_fullStr |
Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes |
| title_full_unstemmed |
Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes |
| title_sort |
Mapeamento digital de classes de solos : densidade de amostragem, seleção de variáveis e extrapolação para áreas fisiograficamente semelhantes |
| author |
Bagatini, Tatiane |
| author_facet |
Bagatini, Tatiane |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Bagatini, Tatiane |
| dc.contributor.advisor1.fl_str_mv |
Giasson, Elvio |
| contributor_str_mv |
Giasson, Elvio |
| dc.subject.por.fl_str_mv |
Classificacao do solo Pedologia Mapeamento digital |
| topic |
Classificacao do solo Pedologia Mapeamento digital |
| description |
Nas últimas décadas o Mapeamento Digital de Solos (MDS) está ganhando espaço devido ao aumento da disponibilidade de dados numéricos, entretanto algumas metodologias ainda precisam ser definidas, dentre elas, a densidade de amostras e as variáveis a serem utilizadas para a alimentação dos modelos. Assim, o objetivo deste trabalho foi testar diferentes densidades de amostragem, diferentes conjuntos de variáveis para avaliar a resposta dos modelos e, a partir disso, realizar a extrapolação de classes de solos em paisagens semelhantes. Esta tese é composta de três estudos que testam metodologias para a predição de ocorrência de classes de solos utilizando técnicas do MDS. No primeiro estudo, realizado nas bacias do Santo Cristo e do Lageado Grande foi testado o efeito de diferentes densidades de amostragens sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. Os modelos preditores foram treinados com dados dos atributos do terreno derivados do modelo digital de elevação e com informações de solos extraídas do mapa pedológico. De modo geral o aumento da densidade de amostragem resultou no aumento da concordância com os mapas de referências e no aumento do número de unidades de mapeamento preditas. No segundo estudo, realizado nas bacias do Santo Cristo e do Arroio Portão, foi testado o efeito de diferentes conjuntos de variáveis geomorfométricas sobre a capacidade preditiva dos modelos de predição de ocorrência de classes de solos. A partir do modelo digital de elevação foram geradas onze variáveis. As variáveis comprimento de fluxo, elevação do terreno e distância de rios foram as que mais influenciaram os resultados de acurácia e a quantidade de unidades de mapeamento preditas. O modelo gerado com somente as três variáveis gerou o modelo com resultados semelhantes ao modelo gerado com todas as variáveis. O terceiro estudo foi realizado em duas etapas. A primeira etapa foi realizada nas bacias do Santo Cristo e do Arroio Portão e a segunda nas bacias do Santo Cristo e na do Lageado Grande. Na primeira etapa dividiu-se as bacias em partes iguais, utilizando-se uma para o treinamento e a outra para a validação dos modelos. A acurácia foi maior na área de treinamento do que na área de validação, entretanto mostrou-se uma ferramenta interessante a ser utilizada para a elaboração de mapas. Na segunda etapa utilizou-se a bacia do Santo Cristo para o treinamento do modelo e a do Lageado Grande para a validação. Nesta fase os modelos não conseguiram gerar mapas com boas acurácias na área de validação. |
| publishDate |
2015 |
| dc.date.issued.fl_str_mv |
2015 |
| dc.date.accessioned.fl_str_mv |
2016-04-16T02:07:54Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/139068 |
| dc.identifier.nrb.pt_BR.fl_str_mv |
000989413 |
| url |
http://hdl.handle.net/10183/139068 |
| identifier_str_mv |
000989413 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
| instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
| instacron_str |
UFRGS |
| institution |
UFRGS |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/139068/1/000989413.pdf http://www.lume.ufrgs.br/bitstream/10183/139068/2/000989413.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/139068/3/000989413.pdf.jpg |
| bitstream.checksum.fl_str_mv |
2a1f25711c3d0018275da10b1f53ece1 64bd350881fbba55ab8d31dfe1571492 cd7c2b019abb484857c1672a5c8187cb |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
| repository.mail.fl_str_mv |
lume@ufrgs.br || lume@ufrgs.br |
| _version_ |
1846255894581477376 |