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.

Faz-se neste artigo uma análise sobre a relação entre o potencial matricial e a cobertura vegetal em uma estação experimental na Fazenda do Glória, Uberlândia- MG, com base nos dados obtidos nos tensiômetros e na fotocomparação. Foram adotados os seguintes procedimentos: a. Construção de duas parcelas de 10 m² cada, uma com Solo Exposto (SE) e outra com Geotêxteis e Gramíneas (SG); b. A análise granulométrica dos sedimentos foi baseada na proposta da EMBRAPA; c. Monitoramento de duas baterias de tensiômetros nas parcelas com solo exposto e com geotêxteis em diferentes profundidades (15, 30, 80 e 120 cm), com o auxílio de um tensímetro digital INFIELD 5; e d. Fotocomparação com classificação supervisionada usando software de sensoriamento remoto. Os resultados foram divididos em três fases: 1. na fase 1, a ocupação da cobertura vegetal variou entre 0 a 6,4%, destacando-se o tensiômetro de 120 cm cm na parcela com geotêxteis, que atingiu -20 kPa; 2. na fase 2, com uma taxa de ocupação variando entre 15,2% a 59,4 % na parcela com geotêxteis e gramíneas, o potencial matricial chegou a -32,4 kPa na profundidade de 15 cm; e 3. na fase 3, com uma taxa de ocupação da gramínea entre 63,9% a 100% , cita-se o tensiômetro de 30 cm, que chegou a -67 kPa.

The aim of this research is to analyse the relationship between soil matrix potential and vegetation cover on an experimental station in the Gloria Farm, Uberlândia Municipality, Minas Gerais State, taking into consideration the data from tensiometers and photo comparison. We have been using the following procedures: a. two plots were set up, with 10 m square, one with bare soil and another one with geotextile and grass; b. Granulometric analyse was based on EMBRAPA; c. Monitoring of two tensiometers sets on geotextile and grass plot in different depths (15, 30, 80 e 120 cm), it was used the INFIELD 5 digital tensimeter; and d. Photo comparison data from supervised classification using remote sensing software. The results were split up into three periods: the first one, vegetation cover index ranged from 0 to 6.4% and soil matrix potential reached -20 kPa in 120 cm depth on geotextile plot; the second one, grass cover ranged from 15.2% to 59.,4% on geotextile plot and soil matrix potential achieved -32 kPa (15 cm); and finally, the third one, when vegetation cover index ranged from 63.9% to 100% and matrix potential reached -67 kPa in 30 cm depth 30.

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.