ABSTRACT Notwithstanding the importance of soil surveys, advances in digital soil mapping have mainly focused on mapping soil attributes or properties rather than developing digital maps of soil units or soil classes. The purpose of this research was to develop digital soil unit maps based on primary soil data collection in areas without previously collected soil information. The covariate variability, the random effect across the data subset and the map outputs were the focuses of this study. We used five datasets with four models (Random Forest - RF, Gradient Boosted Machine - GBM, C5.0, and multinomial log-linear model - MLR). The covariates were grouped into five datasets, where four were grouped by Region Of Interest per Class (ROIC) and one was not grouped by ROIC. To evaluate the random effect to split the dataset, we ran each model 50 times and observed the overall accuracy (OA) and kappa index, and uncertainty, majority and variety maps. The OA of Dataset01 to 04 was lower than to Dataset05 accuracy. However, map outputs of RF and GBM for Dataset01 and Dataset05 had the same majority prediction. It seems that RF and GBM produce consistent results in map outputs according to this methodology and pedologist expertise. To evaluate the uncertainty and the consistency of soil unit prediction, we used the majority maps process. Random Forest, similar to GBM, presented the best results. The increase in the number of covariates was not a guarantee of improvement in the OA or in the quality of the map output. Geographic position and distance raster did not improve the map output according to expert evaluation. Because the variance between the ROICs, when the training and validation datasets were split based on it, the subsets are quite different in relation to the covariates, and this is the reason for the worse results of this model, comparing with the Dataset05. On the other hand, when considering one complete dataset not based on ROICs, the variance of training and validation subsets is lower and produced more accurate parameters of quality.

ABSTRACT: Planning sustainable use of land resources requires reliable information about spatial distribution of soil physical and chemical properties related to environmental processes and ecosystemic functions. In this context, cation exchange capacity (CEC) is a fundamental soil quality indicator; however, it takes money and time to obtain this data. Although many studies have been conducted to spatially quantify soil properties on various scales and in different environments, not much is known about interactions between soil properties and environmental covariates in the Brazilian semiarid region. The goal of this study was to evaluate the efficiency of random forest and cokriging models applied to predict CEC in the Brazilian semiarid region. The covariates used to predict CEC consist of images from Landsat 5 TM and a legacy soil map (scale 1:10,000). The sample set comprises 499 samples from the topsoil layer (0.00-0.20 m), where 375 samples were used in training processes and 124 as validation samples. The cokriging model (R2 = 0.57 and RMSE = 7.22 cmolc kg-1) performed better in predicting CEC than the random forest model (R2 = 0.47 and RMSE = 7.89 cmolc kg-1). The approach used showed potential for estimating CEC content in the Brazilian semiarid region by using covariates obtained from orbital remote sensing and the legacy soil map.

ABSTRACT: The evaluation of soils in representative landscapes constitutes an opportunity to evaluate spatial distribution, discuss formation processes, and apply this knowledge to land use and management. In this sense, from the perspective of an environmentally diversified region, the aim of the present study is to evaluate the occurrence and understand the formation of soils in different geomorphic surfaces of a landscape from a mountain region in the state of Rio de Janeiro. The study was developed in the Pito Aceso microbasin in the municipality of Bom Jardim, composed of narrow valleys and a rugged mountain domain, with elevation between 640 and 1,270 m. In a representative landscape, the geomorphic surfaces were obtained from the slope segments and flow lines. On the geomorphic surfaces, soil profiles were described by their morphological properties, collected, and analyzed to describe the chemical and physical properties of each horizon. Geomorphological aspects and possible variations of the parent material directly affected pedogenesis and led to distinct soil classes in the landscape. Variation in the geomorphic surfaces directs the processes for soil formation under current conditions, as well as the preservation of polygenetic soils. Soils of lower development and with greater participation of the exchangeable cations were identified at the summit (talus deposit) (Neossolo Litólico and Cambissolo Húmico) and toeslope (colluvial-alluvial) (Neossolo Flúvico), whereas more developed soils with lower nutrient content occur in the concave (Argissolos Vermelho and Amarelo) and convex (Latossolo Amarelo) backslope, except for the Argissolo Vermelho-Amarelo in the shoulder, which had high exchangeable cations contents.

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.

Abstract 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.

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 R2 de 0,56, 13 covariáveis e 73 amostras. Nos grupamentos com 163 amostras, os melhores modelos foram os RF, com R2 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.

Abstract 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 R2 of 0.56, 13 covariables, and 73 samples. Considering the groups with 163 samples, the best models were the RFs with mean R2 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.

A informação de solo é necessária para o gerenciamento do ambiente agrícola. O objetivo deste trabalho foi aplicar redes neurais artificiais (RNAs) para a predição de classes de solos, utilizando como fonte de dados produtos de sensores remotos orbitais, atributos do terreno derivados de um modelo digital de elevação e informação da geologia local, visando avaliar a utilização dessa abordagem no mapeamento digital de solos, em área com elevado grau de diversidade litológica na Serra do Mar. O simulador de redes neurais utilizado foi o JavaNNS e o algoritmo de aprendizado, o backpropagation . Para a predição das classes de solos, testaram-se diferentes combinações entre as variáveis discriminantes selecionadas: elevação, declividade, aspecto, curvatura, plano de curvatura, perfil de curvatura, índice topográfico, radiação solar, fator topográfico LS, informações da geologia local e índices minerais de argila, óxidos de ferro e vegetação por diferença normalizada (NDVI), derivados de uma imagem do sensor ETM+ do LANDSAT 7. Dos conjuntos testados, os melhores resultados foram obtidos com todas as variáveis discriminantes associadas às informações de geologia, alcançando exatidão global entre 93,2 e 95,6 % e índice Kappa entre 0,924 e 0,951 (conjunto 13). Excluindo a variável perfil de curvatura (conjunto 12), a exatidão global alcançada oscilou entre 93,9 e 95,4 % e o Kappa entre 0,932 e 0,948. Os mapas inferidos pelo classificador por redes neurais evidenciaram coerência e semelhança com o mapa de solos convencional, produzido para área de estudo, apresentando porém, mais detalhes espaciais. Os resultados apresentaram o potencial de utilização de RNAs na predição de classes de solos de áreas montanhosas com diversidade litológica.

Soil information is needed for managing the agricultural environment. The aim of this study was to apply artificial neural networks (ANNs) for the prediction of soil classes using orbital remote sensing products, terrain attributes derived from a digital elevation model and local geology information as data sources. This approach to digital soil mapping was evaluated in an area with a high degree of lithologic diversity in the Serra do Mar. The neural network simulator used in this study was JavaNNS and the backpropagation learning algorithm. For soil class prediction, different combinations of the selected discriminant variables were tested: elevation, declivity, aspect, curvature, curvature plan, curvature profile, topographic index, solar radiation, LS topographic factor, local geology information, and clay mineral indices, iron oxides and the normalized difference vegetation index (NDVI) derived from an image of a Landsat-7 Enhanced Thematic Mapper Plus (ETM+) sensor. With the tested sets, best results were obtained when all discriminant variables were associated with geological information (overall accuracy 93.2 - 95.6 %, Kappa index 0.924 - 0.951, for set 13). Excluding the variable profile curvature (set 12), overall accuracy ranged from 93.9 to 95.4 % and the Kappa index from 0.932 to 0.948. The maps based on the neural network classifier were consistent and similar to conventional soil maps drawn for the study area, although with more spatial details. The results show the potential of ANNs for soil class prediction in mountainous areas with lithological diversity.

As propriedades dos solos têm grande impacto sobre aspectos econômicos e ambientais da produção agropecuária. As relações quantitativas entre as propriedades dos solos e os fatores que condicionam sua variabilidade são a base do mapeamento digital de solos. Os modelos preditivos de propriedades dos solos avaliados neste trabalho são os estatísticos (Regressão Linear Múltipla-RLM) e geoestatísticos (krigagem ordinária e cokrigagem). Este estudo foi desenvolvido para o município de Bom Jardim, RJ, e usou um banco de dados de solos com 208 pontos amostrais. Foram avaliados modelos preditivos para as frações areia, silte e argila, pH em água e carbono orgânico para seis profundidades, de acordo com as especificações do consórcio de mapeamento digital de solos em nível global (GlobalSoilMap). Utilizaram-se covariáveis preditoras contínuas e categóricas, estas últimas para avaliar suas contribuições ao modelo. Apenas as covariáveis ambientais elevação, aspecto, índice de potência de fluxo (SPI), índice de umidade (SWI), índice de vegetação por diferença normalizada (NDVI) e relação entre bandas b3/b2 apresentaram correlação significativa com as propriedades do solo. Os modelos preditivos tiveram em média coeficiente de determinação de 0,21. Os modelos preditivos que apresentaram os melhores resultados foram os geoestatísticos, com o maior coeficiente de determinação 0,43 associado à propriedade areia entre 60 e 100 cm de profundidade. A utilização de conjunto de dados de solos esparsos para mapeamento digital de propriedades de solos pode explicar apenas uma parte da variação espacial dessas propriedades. Os resultados podem estar relacionados à densidade de amostragem, à quantidade e qualidade das covariáveis ambientais usadas e aos modelos preditivos utilizados.

Soil properties have an enormous impact on economic and environmental aspects of agricultural production. Quantitative relationships between soil properties and the factors that influence their variability are the basis of digital soil mapping. The predictive models of soil properties evaluated in this work are statistical (multiple linear regression-MLR) and geostatistical (ordinary kriging and co-kriging). The study was conducted in the municipality of Bom Jardim, RJ, using a soil database with 208 sampling points. Predictive models were evaluated for sand, silt and clay fractions, pH in water and organic carbon at six depths according to the specifications of the consortium of digital soil mapping at the global level (GlobalSoilMap). Continuous covariates and categorical predictors were used and their contributions to the model assessed. Only the environmental covariates elevation, aspect, stream power index (SPI), soil wetness index (SWI), normalized difference vegetation index (NDVI), and b3/b2 band ratio were significantly correlated with soil properties. The predictive models had a mean coefficient of determination of 0.21. Best results were obtained with the geostatistical predictive models, where the highest coefficient of determination 0.43 was associated with sand properties between 60 to 100 cm deep. The use of a sparse data set of soil properties for digital mapping can explain only part of the spatial variation of these properties. The results may be related to the sampling density and the quantity and quality of the environmental covariates and predictive models used.

O estudo teve o objetivo de produzir informações físico-bióticas dos elementos componentes da paisagem, visando fornecer subsídios para o planejamento geoambiental de paisagens rurais montanhosas na serra dos Órgãos, ocupadas com agricultura familiar. Com suporte de geotecnologias, o trabalho combinou técnicas de mapeamento digital, produtos de sensoriamento remoto, sistema de informação geográfica (SIG) e modelo digital de elevação (MDE), buscando otimizar os mapeamentos temáticos no campo e facilitar a geração de mapas derivados e interpretações úteis ao planejamento da área. Os procedimentos utilizados envolveram a geração de bancos de dados digitais no SIG e a geração de dados básicos no campo, através de mapeamentos temáticos do meio físico, que foram associadas com informações socioeconômicas, de pluviosidade e de áreas protegidas por legislação específica ou reservas existentes, constituindo assim, um conjunto de informações agro-socioambientais em meio digital. Os resultados produzidos permitiram discriminar e caracterizar aspectos físicos e ecológicos dos elementos componentes da paisagem, contribuindo para a melhor compreensão dos recursos ambientais com suas potencialidades e limitações, além de contribuir para planejamento geoambiental e elaboração do plano de manejo conservacionista da área.

This research aims to produce biophysical information of the landscape components, with the objective to supply a background to the environmental planning of the rural areas in the mountainous region of Serra dos Orgaos, under family agriculture. With support of geographical information system, this research has combined digital mapping techniques based on remote sensing with digital elevation model (DEM), aiming to optimize the field thematic maps and to facilitate the generation of maps and useful interpretations, in order to use them for planning purposes. The procedures used in this research took into consideration the creation of a database based on digital data from the GIS, and the generation of basic data obtained in the field, through environmental thematic maps associated with socio-economic information, rainfall data and protected areas, based on legislation, creating therefore, a set of agro-socio-environmental information in a digital system. The results allow us to discriminate and to characterize the physical and ecological landscape elements, contributing to a better understanding of the environmental resources and their potentialities and limitations, besides to contribute to the environmental planning and to create a conservationist managing plan to the research area.

Um dos desafios para construção de modelos agrícolas que se referenciam pela sustentabilidade é a utilização de conhecimentos científicos adequados a singulares situações sociais. Para isso, é necessário considerar saberes acumulados por agricultores no espaço e no tempo. No caso do recurso 'solos', pouco desse saber é considerado no ensino em ciência do solo e nos trabalhos de pedologia. Por isso, a aplicação de tecnologias geradas com base no conhecimento científico é limitada quando destinada a grupos tradicionais, principalmente pela não-adequação às necessidades por eles reconhecidas. O objetivo deste estudo foi apresentar uma abordagem integrada entre os saberes de pedólogos e de agricultores, utilizando-se a hierarquização de ambientes no Cerrado pelos agricultores como ferramenta para compreender as bases sob as quais essa relação pode ocorrer. O estudo baseou-se em características ambientais e sociais da Comunidade Água Boa 2, em Rio Pardo de Minas (MG), onde, por trabalho de campo, foi possível analisar a terminologia local e, assim, descrever os ambientes, classificar as terras e constituir diálogos acerca do ambiente do Cerrado e dos solos.

One of the challenges of constructing agricultural systems that aim to be sustainable, is the usage of scientific knowledge adapted to the peculiar social situation. For this purpose it is necessary to consider the knowledge that farmers accumulated over time and space. In the case of the soil resources, a modest amount of the local knowledge is considered in classrooms and in soil research. This is a constraint to the application of technologies based on local scientific knowledge involving traditional farmer groups, mainly because of the lack of adaptation to the needs they are aware of. The objective of this study is to show a new methodology that integrates the pedologists' and local farmers' knowledge. The traditional local hierarchy of environments in the Cerrado region was used as a tool to understand how this relationship can be constructed. The study was developed based on environmental and social parameters in the Água Boa 2 community, in Rio Pardo de Minas, state of Minas Gerais, Brazil. It was possible to analyze the local terminology in a field survey and to describe the environments, to classify the land types, and to establish active dialogues about the Cerrado and its soils.

A expansão da heveicultura em regiões não tradicionais que apresentam condições edafoclimáticas diferentes do seu habitat natural, tem seu desempenho prejudicado pela carência de informações técnicas. No Estado de Minas Gerais, a falta de conhecimento dos fatores inerentes às relações solo-planta tem-se tornado uma séria limitação no processo de implantação e exploração de seringais. Neste trabalho foi estudado um transecto sob vegetação de seringueira, situada na fazenda experimental da Epamig no vale do Piranga, no município de Oratórios, MG. As caracterizações morfoestruturais revelaram forte diferenciação lateral dos solos na vertente, sendo os Latossolos predominantes no topo, e nas partes mais baixas, os Podzólicos, com presença de horizontes B texturais, maciços, coerentes, adensados e pouco porosos. Tais observações foram complementadas por determinações in situ, por meio de testes de infiltração de água e resistência à penetração. Os resultados de laboratório que abrangem as densidades (aparente e real), porosidade (macro e micro) através de curvas de retenção de água, assim como as análises físicas e químicas, confirmam as observações e determinações de campo. Os diferentes resultados foram relacionados com o desenvolvimento do clone de seringueiras IAN 873 (biomassa total, aérea e radicular) e mostram uma estreita dependência entre as características físicas dos solos e o desenvolvimento da seringueira. Foi observado um melhor comportamento do seringal nos Latossolos, quando comparados aos Podzólicos, que apresentam uma forte restrição mecânica à penetração das raízes, uma porosidade globalmente reduzida e uma drenagem interna muito deficiente.

The expansion of rubber-tree cultivation in nontraditional regions which presents edafoclimatological different conditions from their natural habitat, has its performance prejudiced by the lack of technical information. In the State of Minas Gerais, the deficiency of knowledge about the inherent factors of the soil-plant relations is a serious limitation to the process of planting and exploration of rubber-trees. In this report, a soil catena under rubber-tree vegetation, situated in the Experimental Station of Empresa de Pesquisa Agropecuária de Minas Gerais in the Piranga's valley at Oratórios, was studied. The morphostructural characterization of the soils showed a strong lateral differentiation in the slope of the hill, with the Oxisols prevailing at the top, while in the lower parts, there are Podzolic soils, with the presence of B textural horizons, massive, coherent, compact and somewhat porous. Such observations were completed by field determinations in situ, through tests of soil water infiltration and resistance to penetration. The laboratory results, enclosing densities (particle density and bulk density), porosity (macro and micro) through water retention curves, as well as physical and chemical analysis, confirm the field's observations and determinations. These different results were related to the development of one clone of rubber-tree IAN 873 (total biomass, aerial and radicular) and show a close dependence among the physical characteristics of the soils and the development of the rubber-tree. A better behaviour of the rubber-trees was observed in the Oxisols, when compared to the Podzolics that present a strong mechanical restriction to roots' penetration, a global porosity reduced and a too much deficient internal drying.