ABSTRACT The Cerrado biome is a strategic region for Brazilian agriculture, and obtaining physical hydraulic properties is fundamental to understanding the dynamics of soil water and its impact on productivity. However, the lack and difficulty of obtaining such properties opens an opportunity to use pedotransfer functions (PTFs). In the context, the objective of the present study was to develop PTFs using multiple linear regression to estimate hydraulic conductivity of the saturated soil (Ks) and soil moisture at tensions of 0, 6, 10, 33, 100, and 1,500 kPa for the Cerrado biome. For this, two different predictor datasets were used. Dataset 1 consists of sand, silt, clay, bulk density, particle density, total porosity, microporosity, and macroporosity, and dataset 2 consists of the variables in dataset 1 plus soil moisture at field capacity (FC) and soil moisture at the permanent wilting point (PMP). Dataset 2 presented the best performance compared to Dataset 1 for estimating Ks and soil moisture, highlighting the importance of moisture in FC and PWP as predictors in the development of PTFs. However, the PTFs developed for Ks presented a low predictive capacity in all predictor datasets, unlike the soil moistures that presented high precision, with R² greater than 0.8 and errors close to zero. agriculture productivity However . (PTFs) context (Ks 0 6 10 33 100 1500 500 1,50 this used sand silt clay density porosity microporosity macroporosity (FC PMP. PMP (PMP) precision R 08 8 0. zero (PTFs 3 150 50 1,5 (PMP 15 5 1,

RESUMO O bioma Cerrado é uma estratégica região para a agricultura brasileira e a obtenção de propriedades físico-hídricas do solo é fundamental para a compreensão da dinâmica de água no solo e o seu impacto na produtividade. Contudo, a carência e a dificuldade de obter tais propriedades abre a oportunidade de uso de funções de pedotransferência (FPTs). Sendo assim, o objetivo do presente estudo foi desenvolver FPTs utilizando regressão linear múltipla para estimativa da condutividade hidráulica do solo saturado (Ks) e da umidade do solo nas tensões de 0, 6, 10, 33, 100 e 1.500 kPa para o bioma Cerrado. Para isto, dois diferentes conjuntos de dados preditores foram utilizados. O conjunto de dados 1 consiste de areia, silte, argila, densidade do solo, densidade de partículas, porosidade total, microporosidade e macroporosidade, e o conjunto de dados 2 que consiste das variáveis do conjunto 1 mais a umidade do solo na capacidade de campo (CC) e a umidade do solo no ponto de murcha permanente (PMP). O conjunto de dados 2 apresentou o melhor desempenho quando comparado ao conjunto de dados 1, tanto para a estimativa de Ks quanto para as umidades do solo, destacando a importância das umidades na CC e PMP como preditoras no desenvolvimento de FPTs. Contudo, as FPTs desenvolvidas para Ks apresentaram uma baixa capacidade preditiva em todos os conjuntos preditores, diferentemente das umidades que apresentaram alta precisão, com R² superiores a 0,8 e erros próximos de zero. físicohídricas físico hídricas produtividade Contudo . (FPTs) assim (Ks 0 6 10 33 1500 500 1.50 isto utilizados areia silte argila partículas total macroporosidade (CC PMP. (PMP) precisão R 08 8 zero (FPTs 3 150 50 1.5 (PMP 15 5 1.

RESUMO O bioma Cerrado tem apresentado desafios em conciliar sua expansão agrícola com a disponibilidade hídrica. Nesse sentido, o planejamento e o manejo de recursos hídricos são fundamentais para o desenvolvimento econômico, social e ambiental do bioma Cerrado, que tem sido prejudicado pela carência de dados, especialmente aqueles referentes às estratégias de irrigação, como, por exemplo, as curvas de retenção de água, essencial para compreender a dinâmica de água no solo. Contudo, como sua obtenção pode ser trabalhosa, seus parâmetros podem ser estimados indiretamente via Funções de Pedotransferência (FPTs). O objetivo do presente estudo foi desenvolver e avaliar FPTs para estimar parâmetros do modelo de van Genuchten, usado para descrever o processo de retenção de água, para o bioma Cerrado. Para o desenvolvimento das FPTs, foram usados os métodos de Regressão Linear Múltipla (RLM) e quatro algoritmos de aprendizado de máquina: Multivariate Adaptative Regression Splines (MARS), Random Forest (RF), Support Vector Regression (SVR) e K Nearest Neightbors (KNN). Dados de solo de duas localidades foram utilizados, sendo que as variáveis preditoras selecionadas em cada conjunto foram diferentes. As melhores estimativas foram obtidas para o parâmetro θs (umidade de saturação), com destaque para os modelos RF e SVR. Já para a θr (umidade residual), os modelos apresentaram uma capacidade preditiva moderada. Para os demais parâmetros, os modelos não apresentaram um desempenho satisfatório para α e n (parâmetros de ajuste).

ABSTRACT The Cerrado biome has presented challenges in reconciling its agricultural expansion with water availability. In this sense, water resources planning and management are fundamental for the economic, social, and environmental development of the Cerrado biome, which has been hampered by the lack of data, especially those referring to irrigation strategies, such as, for example, the water retention curve. The water retention curve is essential to understand water dynamics in the soil; however, obtaining it can be laborious, opening an opportunity for Pedotransfer Functions (PTFs). The current study aimed to develop and evaluate PTFs to estimate the fit parameters of the van Genuchten model for the Cerrado biome. Multiple Linear Regression (MLR) and four machine learning (ML) algorithms were used to develop the PTFs. The ML algorithms were the Multivariate Adaptive Regression Splines (MARS), Random Forest (RF), Support Vector Regression (SVR), and K Nearest Neighbors (KNN). Two combinations of soil data were evaluated, and the predictor variables used in each set were different. Using the RF and SVR models, the best estimates were obtained concerning the parameter θs (saturated water content). As for θr (residual water content), the models showed a moderate predictive capacity. For the other parameters, the models did not perform satisfactorily for α and n (fit parameters).

ABSTRACT Land-use and land-cover (LULC) are important environmental properties of the Earth’s surface. Satellite platforms and state-of-the-art algorithms enable the mapping of large areas, but they still need to be improved. This study aimed to compare free- and open-access images from radar and optical sensors, using the Google Earth Engine™ (GEE) for supervised classification of LULC for five municipalities in Roraima State, Brazil. Sentinel-1 (S1) scenes were used along with Landsat 8 (L8) and Sentinel-2 (S2) ones, resulting in five classification approaches S1 (SD), L8 (ODL), S2 (ODS), S1+L8 (SODL), and S1+S2 (SODS), with an auxiliary ALOS World 3D dataset (DEM≈30m). Accuracy was assessed by an error matrix. The SD approach was significantly different (P ≤ 0.01) from the others using a mean F1-score of 0.80. ODL and ODS had barely perceptible differences (P ≤ 0.1), showing F1-scores of 0.95 and 0.92, respectively. When comparing ODL (F1=0.95) and SODL (F1=0.95) no difference was found (P > 0.1). However, by comparing ODS (F1=0.92) and SODS (F1=0.94), there was a significant classification improvement (P ≤ 0.05). In short, the approaches SODL and SODS had the best pixel-based supervised classification performance.

RESUMO A demanda atual por alimentos tem sido atendida por meio da exploração das reservas naturais. O Brasil apresenta 26% da sua extensão ocupada por usos agropecuários, sendo 62% desses, pastagens. Pastagens degradadas apresentam maior intensidade de uso da terra do que pastagens bem manejadas, levando à maior degradação do meio ambiente. Os sistemas de classificação da capacidade de uso de terra consideram que as pastagens se apresentam bem manejadas, consideração equivocada para a realidade brasileira. Baseado nesse enfoque, objetivou-se apresentar e validar uma metodologia de mapeamento da intensidade de uso da terra exercida por pastagens via sensoriamento remoto. O método de mapeamento foi desenvolvido e validado em bacias com características edafoclimáticas distintas. De posse da metodologia, três calibrações foram realizadas, com base nos valores de IVDN, para averiguar a influência nos resultados, sendo avaliados a partir das campanhas de campo e dos índices kappa e kappa ponderado. Os índices kappa e kappa ponderado apresentaram concordância razoável e moderada, respectivamente. Os resultados foram considerados satisfatórios para as três calibrações, evidenciando que o grau de degradação das pastagens pode ser estimado de maneira simples por sensoriamento remoto. A Bacia do Rio Limoeiro apresenta em torno de 46,9% das pastagens, no mínimo, fortemente degradadas; e 96,6% com algum grau de degradação, o que contribui para degradação dos recursos naturais e redução do potencial pecuário e econômico da bacia.

ABSTRACT The current demand for food has been met through the exploitation of natural reserves. Brazil has 26% of its extension occupied by agricultural uses, 62% of which are pastures. Degraded pastures have greater land use intensity than well-managed pastures, leading to greater degradation of the environment. Land use classification systems consider that pastures are well managed, a misconception for the Brazilian reality. Based on this approach, it was aimed to develop a methodology for mapping the intensity of land use by pasture via remote sensing. The method of mapping was developed and validated in basins with different soil and climatic characteristics. Three calibrations were performed based on NDVI values to ascertain the influence on the results, being evaluated from the field campaigns and the kappa and weighted kappa indices. The kappa and weighted kappa indices presented reasonable and moderate agreement, respectively. The results were considered as satisfactory for the three calibrations, evidencing that the degree of degradation of the pastures can be estimated in a simple way by remote sensing. The Limoeiro River Basin has around 46.9% of pastures, at least, heavily degraded and 96.6% with some degree of degradation, which contributes to degradation of the natural resources and reduction of livestock farming and economic potential of the basin.

Abstract High resolution topography (HRT) surveys is an important tool to model landscapes, especially in zones subjected to strong environmental changes, such as Antarctica, where landform is highly influenced by cryoclasty and permafrost melting. The aim of this work was to obtain a high accurate DTM for Keller Peninsula, Maritime Antarctica. The survey study was assessed in the 2014/2015 and 2015/2016 during the austral summer, by using Terrestrial Laser Scanner (TLS). In order to cover 8 km² of the Peninsula, the TLS equipment was installed in 81 different points. Results of the DTM generated by TLS (hereafter, HRT-DTM), and the terrain variables Aspect, Slope and Hillshade obtained were compared with previous models generated by aerophotographic survey (hereafter, APG-DTM). RMSE for the HRT and APG-DTM were 0.726 and 2.397 m, respectively. Spatial resolution of the DTMs was 0.20 m. Morphometric variables obtained from the two methods presented visual differences on the thematic maps, especially related to the Aspect. Generalization was the main process, whereas interpolation occurred for the HRT survey, being the process of choice for the APG method. A large number of points are obtained by the TLS, providing a dense cloud of points, spatially well-distributed, enabling the generalization process to obtain surface models with high performance.

ABSTRACT Viruá National Park encompasses a vast and complex system of hydromorphic sandy soils covered largely by the white sand vegetation ("Campinarana") ecosystem. The purpose of this study was to investigate a vegetation gradient of "terra-firme"-white sand vegetation at the Viruá National Park. Nine plots representing three physiognomic units were installed for floristic and phytosociological surveys as well as to collect composite soil samples. The data were subjected to assessments of floristic diversity and similarity, phytosociological parameters and to statistical analyses, focused on principal components (PC) and canonical correspondence analysis (CCA). The vegetation of the Campinaranas types and Forest differed in biomass and species density. Ten species, endemic to Brazil, were particularly well-represented. PC and CCA indicated a clear distinction between the studied plots, based on measured soil variables, especially base sum and clay, which were the most differentiating properties between Campinarana and Forest; For the separation of the Campinarana types, the main distinguishing variable was organic matter content and cation exchange capacity. Higher similarity of Campinaranas was associated to a monodominant species and the lower similarity of Forest was related to the high occurrence of locally rare species.

No 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.

In 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.

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.

The aim of this work is to evaluate the artificial neural networks and the maximum likelihood classification performances to classify land uses at Viçosa, Minas Gerais State, using ASTER images in order to verify degradation levels of pastures. In this study, three different levels of pasture degradation have been identified (moderate, strong and very strong) and an image composition of 3 bands was tested (covering the visible and the near infra-red) with 15 m of spatial resolution. The neural networks simulator used was the "Neural Java Network Simulator", with a feed forward model and the learning algorithm of back propagation. The obtained results show that the classification using neural networks, while presenting a slightly superior result, had a statistically similar performance compared to the maximum likelihood, getting a Kappa index of 0.80, against 0.79, respectively. In relation to individual performances, the class that presented the greatest error of classification was pasture in the level of very strong degradation, while the largest accuracy in the classification was obtained for coffee, for both classifiers, with 100 and 96% (respectively, Maxver and neural networks).

O manejo inadequado e a baixa disponibilidade de nutrientes nos solos da Zona da Mata de Minas Gerais, têm resultado em baixas produtividades de pastagens, aparecimento de solos descobertos e perdas de solo por erosão. O objetivo deste trabalho foi avaliar a capacidade das imagens do sensor ASTER em identificar diferentes níveis de degradação de pastagens. A área de estudo inclui parte dos municípios de Viçosa, Teixeiras e São Miguel do Anta, perfazendo cerca de 3.314 ha. Devido às características das pastagens da região, foram utilizados quatro níveis de degradação: leve, moderada, forte e muito forte. A classe que apresentou maior erro de classificação foi a pastagem com nível de degradação muito forte (Pastagem 4), com 53,91% dos pixels classificados, confundindo-se com as demais classes. A pastagem com nível de degradação moderada (Pastagem 2) apresentou a melhor classificação. Da área avaliada, aproximadamente 70% correspondem a pastagens, sendo 56,46% classificadas como fortemente degradadas; 28,73% Mata/Capoeira e 1,54% plantações de café. Os resultados permitiram concluir que as imagens do sensor ASTER apresentaram um potencial satisfatório para separar os diferentes níveis de degradação de pastagens.

The improper management and the low availability of nutrients of soils in "Zona da Mata" in Minas Gerais State, Brazil, have led to low productivity of natural pasture, emergence of bare soils and soil losses by erosion. The objective of this work was to evaluate the capacity of ASTER sensor images to identify different levels of degradation in pasture lands. The studied area includes part of Viçosa, Teixeiras, and São Miguel do Anta municipalities, forming a total area around 3,314 ha. Due to natural characteristics of the pasture in this region, four levels of degradation were used: light, moderate, strong, and very strong. The class that showed the highest error in the classification was the very strong, degraded with 53.91% of the classified pixels, not distinguishable from the other classes. The moderate degradation class showed the best classification. From the total evaluated area, approximately 70% corresponded to pasture, 56.46% of which was classified in the strong degradation level, 28.73% to 'Mata/Capoeira' and only 1.54% to coffee plantations. The results permit to conclude that the use of sensor ASTER images was satisfactory to separate degradation levels of pasture lands in the studied area.

Esta pesquisa foi realizada com o objetivo de identificar a relação de colonos assentados em projetos de reforma agrária no Rio Grande do Norte, com os recursos naturais das suas respectivas áreas e, posteriormente, elaborar um sistema de classificação de suporte do meio físico. Para isto, foram selecionados dez projetos de assentamento na região oeste do estado, caracterizada por regime de semi-aridez, abrangendo uma área de cerca de 30.000 ha, em que se buscou identificar parâmetros qualitativos e quantitativos dos recursos edáficos, florestais e hídricos de cada área, sempre os relacionando com o seu tipo de uso. Verificou-se que todos os assentamentos apresentaram número de colonos superior ao limite que o ambiente poderia suportar, demonstrando a necessidade de se reavaliar o tamanho do módulo agrícola adotado para essas áreas, como também a necessidade da oferta satisfatória de água, que propicia melhor exploração do potencial agrícola dos solos da região, diminuindo a pressão sobre os recursos florestais.

This work aimed as general objective, to identify the farmers of the Settlement Projects of Agricultural Reform in the State of Rio Grande do Norte, with the natural resources of their respective areas and later to elaborate a system of classification of support capacity of the ambient. For the purpose, ten Settlement Projects were selected in the western part of the state, characterized by semi-arid regime in an area of 30.000 ha where qualitative and quantitative parameters of the soil where edalfo, forest and water resources were identified. It was verified that all Settlement Projects presented number of settlers more than the ambient could support, demonstrating the need to reevaluate the size of the agricultural module adopted in these areas, as well as the satisfactory offer of water which allows better exploration of the agricultural potential of the soils of the area, thereby decreasing the pressure on the forest resources.

Este trabalho teve como meta principal avaliar os recursos hídricos em dez projetos de assentamento na região Oeste do estado do Rio Grande do Norte. Para isto, analisaram-se parâmetros físico-químicos das águas e se determinou a relação dos assentados com os recursos hídricos de suas respectivas áreas. Os resultados analíticos demonstraram que a qualidade das águas de todos os assentamentos estudados, apresentou restrição para o seu uso na irrigação, enquanto em Cordão de Sombra e Esperança, a água apresentou teores de cloreto acima do máximo recomendado para o consumo humano. Deve-se considerar a limitação das reservas hídricas ao se diagnosticar a sustentabilidade dos agrossistemas na região, pois a água é o fator determinante para o sucesso ou fracasso do empreendimento de reforma agrária nas condições de semi-aridez.

This study aimed to evaluate the water resources in ten settlement projects in western part of the Rio Grande do Norte State. The chemical-physical parameters of waters were analyzed and the relationship between the settler and the water resources in their respective areas were determined. The results obtained showed that the waters of all settlements presented restriction for their use in irrigation, whe reas in settlements of Cordão de Sombra and Esperança the water presented chloride contents above the maximum recommended for human consumption. In diagnosing the sustainability of the agrosystems in the region, one should consider the limitation of the water reserves, since the water is a determinant factor for the success or failure of the agrarian reform under semiarid conditions.