| |
|
|
| Registros recuperados : 297 | |
| Registros recuperados : 297 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Epagri-Sede. |
|
Data corrente: |
21/11/2018 |
|
Data da última atualização: |
21/11/2018 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
CAMPOS, A. R.; GIASSON, E.; MACHADO, I. R.; SILVA, E. B.; COSTA, J. J. F. |
|
Título: |
Uso de perfis de solos georreferenciados no Mapeamento Digital de Solos. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 36., 2017, Belém. Resumos... Viçosa: Sociedade Brasileira de Ciência do Solo, 2017. |
|
Idioma: |
Português |
|
Conteúdo: |
Uma das grandes vantagens do mapeamento digital de solos (MDS) é a
utilização de dados legados para a geração de modelos preditores, que podem ser aplicados
em áreas que não possuam mapas de solos disponíveis. Nesse contexto, a utilização de perfis
de solos georreferenciados pode ser uma alternativa para a construção de modelos preditores.
O objetivo foi estudar a viabilidade do uso de perfis georreferenciados para a predição de
classes de solos na bacia hidrográfica do Vale dos Vinhedos, RS. Material e métodos - A
área de estudo foi o Vale dos Vinhedos, que possui um mapa de solos na escala de 1:10.000,
com 163 perfis de solos georreferenciados, classificados em 12 subordens (PB-Argissolo
Bruno, PV-Argissolo Vermelho, PVA-Argissolo Vermelho-amarelo, CX-Cambissolo
Háplico, CH-Cambissolo Húmico, MT-Chernossolo Argilúvico, MX-Chernossolo Háplico,
RL-Neossolo Litólico, RR-Neossolo Regolítico, NB-Nitossolo Bruno, NV-Nitossolo
Vermelho, SX-Planossolo Háplico), os quais foram utilizados para treinar o modelo preditor
usando a técnica de apredizagem RandomForest. Foram utilizadas 14 covariáveis preditoras
(actslope, orientação de vertentes, nível de base da rede de drenagem, curvatura, curvatura
longitudinal e de perfil, elevação, relação entre radiação direta e difusa, distância dos rios,
geoformas, densidade de drenagem, insolação difusa, declividade e profundidade do vale)
extraídas de um modelo digital de elevação com resolução de 10 m. A concordância entre o
mapa predito e o mapa de referência foi realizada por matriz de erro, da qual foram calculadas
as acurácias do mapeador (AM) e geral (AG). Resultados e Discussão ? A acurácia geral
entre o mapa predito e o mapa de referência foi de 46%, sendo que das 12 classes, apenas a
NV não foi predita. A AM variou de 1% a 84%, evidenciando elevado grau de dificuldade
para discriminar as classes de solos. As classes PV, CH, RL, RR e NB tiveram menos de 10%
da sua área predita corretamente, sendo que essas áreas correspondem a cerca de 30% da área
total. As classes PB, MT, MX e CX, que correspondem a 61% da área total, apresentaram
AM superiores a 30%. As sete classes que obtiveram menos de 30% de AM possuem 48%
dos perfis, já as quatro classes com maior AM concentram 52% dos perfis, sendo que esse
maior número de pontos pode ter favorecido a predição destas classes. A área de estudo é
composta principalmente por subordens de Argissolos e Cambissolos, que ocorrem em
posições semelhantes na paisagem, o que dificulta a predição das suas respectivas subordens.
Os valores de concordância obtidos podem ser atribuídos principalmente ao baixo número de
pontos em cada classe, insuficientes para estabelecer os padrões de ocorrência dos solos.
Conclusão ? Não foi possível mapear de forma satisfatório todas as classes de solo utilizando
apenas amostras coletadas nos 163 pontos georreferenciados. MenosUma das grandes vantagens do mapeamento digital de solos (MDS) é a
utilização de dados legados para a geração de modelos preditores, que podem ser aplicados
em áreas que não possuam mapas de solos disponíveis. Nesse contexto, a utilização de perfis
de solos georreferenciados pode ser uma alternativa para a construção de modelos preditores.
O objetivo foi estudar a viabilidade do uso de perfis georreferenciados para a predição de
classes de solos na bacia hidrográfica do Vale dos Vinhedos, RS. Material e métodos - A
área de estudo foi o Vale dos Vinhedos, que possui um mapa de solos na escala de 1:10.000,
com 163 perfis de solos georreferenciados, classificados em 12 subordens (PB-Argissolo
Bruno, PV-Argissolo Vermelho, PVA-Argissolo Vermelho-amarelo, CX-Cambissolo
Háplico, CH-Cambissolo Húmico, MT-Chernossolo Argilúvico, MX-Chernossolo Háplico,
RL-Neossolo Litólico, RR-Neossolo Regolítico, NB-Nitossolo Bruno, NV-Nitossolo
Vermelho, SX-Planossolo Háplico), os quais foram utilizados para treinar o modelo preditor
usando a técnica de apredizagem RandomForest. Foram utilizadas 14 covariáveis preditoras
(actslope, orientação de vertentes, nível de base da rede de drenagem, curvatura, curvatura
longitudinal e de perfil, elevação, relação entre radiação direta e difusa, distância dos rios,
geoformas, densidade de drenagem, insolação difusa, declividade e profundidade do vale)
extraídas de um modelo digital de ... Mostrar Tudo |
|
Palavras-Chave: |
mineração de dados; pedometria; Random Forest. |
|
Categoria do assunto: |
Z Localizações Geográficas |
|
|
|
|
Marc: |
LEADER 03760naa a2200205 a 4500
001 1127962
005 2018-11-21
008 2017 bl uuuu u00u1 u #d
100 1 $aCAMPOS, A. R.
245 $aUso de perfis de solos georreferenciados no Mapeamento Digital de Solos.$h[electronic resource]
260 $c2017
520 $aUma das grandes vantagens do mapeamento digital de solos (MDS) é a utilização de dados legados para a geração de modelos preditores, que podem ser aplicados em áreas que não possuam mapas de solos disponíveis. Nesse contexto, a utilização de perfis de solos georreferenciados pode ser uma alternativa para a construção de modelos preditores. O objetivo foi estudar a viabilidade do uso de perfis georreferenciados para a predição de classes de solos na bacia hidrográfica do Vale dos Vinhedos, RS. Material e métodos - A área de estudo foi o Vale dos Vinhedos, que possui um mapa de solos na escala de 1:10.000, com 163 perfis de solos georreferenciados, classificados em 12 subordens (PB-Argissolo Bruno, PV-Argissolo Vermelho, PVA-Argissolo Vermelho-amarelo, CX-Cambissolo Háplico, CH-Cambissolo Húmico, MT-Chernossolo Argilúvico, MX-Chernossolo Háplico, RL-Neossolo Litólico, RR-Neossolo Regolítico, NB-Nitossolo Bruno, NV-Nitossolo Vermelho, SX-Planossolo Háplico), os quais foram utilizados para treinar o modelo preditor usando a técnica de apredizagem RandomForest. Foram utilizadas 14 covariáveis preditoras (actslope, orientação de vertentes, nível de base da rede de drenagem, curvatura, curvatura longitudinal e de perfil, elevação, relação entre radiação direta e difusa, distância dos rios, geoformas, densidade de drenagem, insolação difusa, declividade e profundidade do vale) extraídas de um modelo digital de elevação com resolução de 10 m. A concordância entre o mapa predito e o mapa de referência foi realizada por matriz de erro, da qual foram calculadas as acurácias do mapeador (AM) e geral (AG). Resultados e Discussão ? A acurácia geral entre o mapa predito e o mapa de referência foi de 46%, sendo que das 12 classes, apenas a NV não foi predita. A AM variou de 1% a 84%, evidenciando elevado grau de dificuldade para discriminar as classes de solos. As classes PV, CH, RL, RR e NB tiveram menos de 10% da sua área predita corretamente, sendo que essas áreas correspondem a cerca de 30% da área total. As classes PB, MT, MX e CX, que correspondem a 61% da área total, apresentaram AM superiores a 30%. As sete classes que obtiveram menos de 30% de AM possuem 48% dos perfis, já as quatro classes com maior AM concentram 52% dos perfis, sendo que esse maior número de pontos pode ter favorecido a predição destas classes. A área de estudo é composta principalmente por subordens de Argissolos e Cambissolos, que ocorrem em posições semelhantes na paisagem, o que dificulta a predição das suas respectivas subordens. Os valores de concordância obtidos podem ser atribuídos principalmente ao baixo número de pontos em cada classe, insuficientes para estabelecer os padrões de ocorrência dos solos. Conclusão ? Não foi possível mapear de forma satisfatório todas as classes de solo utilizando apenas amostras coletadas nos 163 pontos georreferenciados.
653 $amineração de dados
653 $apedometria
653 $aRandom Forest
700 1 $aGIASSON, E.
700 1 $aMACHADO, I. R.
700 1 $aSILVA, E. B.
700 1 $aCOSTA, J. J. F.
773 $tIn: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 36., 2017, Belém. Resumos... Viçosa: Sociedade Brasileira de Ciência do Solo, 2017.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Epagri-Sede (Epagri-Sede) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
