Estratégias metodológicas para mapeamento de solos

Abstract

Atualmente, há uma crescente necessidade por informações pedológicas em escalas mais detalhadas, precisas, de fácil acesso e com menor custo para direcionar o planejamento e tomada de decisões no que diz respeito às práticas de uso, manejo e conservação dos solos. Assim, o mapeamento digital do solo (MDS) pode ser utilizado para auxiliar na geração de informações pedológicas, integrando técnicas convencionais de levantamento e mapeamento de solos com conhecimentos de diversas áreas, como técnicas de Sensoriamento Remoto, Geoestatística e Aprendizado de Máquinas. É nesta perspectiva que o presente trabalho visa desenvolver estratégias para o mapeamento de solos mais eficientes, a fim de minimizar as limitações atuais dos métodos convencionais. O artigo 1 Análise das abordagens metodológicas utilizadas nos trabalhos de mapeamento digital de solos abrange uma revisão de literatura acerca das abordagens metodológicas empregadas nos trabalhos de MDS no período de 2008 a 2018, a fim de avaliar as lacunas, perspectivas e desafios futuros. O artigo 2 Análise dos atributos do terreno em diferentes resoluções espaciais para aplicação em mapeamento digital de solos no sudeste do Brasil analisa o efeito das diferentes resoluções espaciais dos MDEs e atributos derivados do terreno e suas implicações para aplicação em modelos preditivos do solo. O artigo 3 Avaliação do método hipercubo latino condicionado (cLHS) para seleção de locais de amostragem avalia a utilização do método cLHS para seleção de locais de amostragem a serem utilizados no mapeamento digital de solos e analisa o desempenho operacional com base nas suas potencialidades e restrições. O artigo 4 “Técnicas para mapeamento digital de solos utilizando conjunto de dados desbalanceado” avalia como o desbalanceamento de classes afeta o desempenho dos modelos preditos, a fim de auxiliar no desenvolvimento de técnicas para os desafios futuros de mapeamento de solo no País. Palavras-chave: Mapeamento Digital de Solos. Amostragem. Balanceamento. Aprendizado de Máquinas.Currently, there 1s an increasing need for pedological information on more detailed, accurate, easily accessible and less costly scales to guide planning and decision making with regard to soil use, management and conservation practices. Thus, digital soil mapping (DSM) can be used to assist in the generation of pedological information, Integrating conventional survey and soil mapping techniques with knowledge from different areas, such as Remote Sensing, Geostatistics and Machine Learning techniques. It 1s in this perspective that the present work aims to develop strategies for more efficient soil mapping im order to minimize the current limitations of conventional methods. The article 1 Analysis of the methodological approaches used in the digital soil mapping works covers a literature review about the methodological approaches used 1n the DSM studies in the period from 2008 to 2018, in order to assess the gaps, perspectives and future challenges. Article 2 Analysis of the attributes of the terrain in different spatial resolutions for application in digital soil mapping in southeastern Brazil analyzes the effect of different spatial measures of the DEMs and the attributes of terrain and their implications for application mm predictive soil models. Article 3 Evaluation of the conditioned Latin hypercube method (cLHS) for the selection of sampling sites assesses the use of the cLHS method for selecting sampling sites to be used in digital soil mapping and analyzes operational performance based on its potential and restrictions. Article 4 “Techniques for digital soil mapping using an imbalanced dataset” assesses how class imbalance affects the performance of predicted models, mn order to assist 1n the development of techniques for future soil mapping challenges 1n the country. Keywords: Digital Soil Mapping. Sampling. Balancing. Machine Learning.