ABSTRACT Pedosphere-hydrosphere interface accounts for the association between soil hydrology and landscape, represented by topographic and Remote Sensing data support and integration. This study aimed to analyze different statistical radiometric and spectral data selection methods and dimensionality reduce environment-related data to support the classification of soil physical-hydric properties, such as soil basic infiltration rate (bir) and saturated hydraulic conductivity (Ksat); as well as to act in data mining processes applied to hydropedological properties digital mapping. Accordingly, research integrated information from Visible to Infrared (VIS-IR) spectral indices and Sentinel’s 2A mission Multispectral Instrument (MSI) sensor bands, terrain numerical modeling and aerogeophysics set to model soil-water content in two soil layers (0.00-0.20 m and 0.20-0.40 m). Pre-processed data were subjected to statistical analysis (multivariate and hypothesis tests); subsequently, the methods were applied (variation inflation factor - VIF, Stepwise Akaike information criterion – Stepwise AIC, and recursive feature elimination - RFE) to mine covariates used for Random Forest modeling. Based on the results, there were distinctions and singularities in spectral and radiometric data selection for each adopted method; the importance degree, and contribution of each one to soil physical-hydric properties have varied. According to the applied statistical metrics and decision-making criteria (highest R2 and lowest RMSE / MAE), the chosen methods were RFE (0.00-0.20 m layers) and Stepwise AIC (0.20-0.40 m layers) - both concerned with the assessed variables (bir and Ksat). This approach captured the importance of environmental variables and highlighted their potential use in hydropedological digital mapping at Guapi-Macacu watershed.

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.

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 amostragem é uma das etapas mais importantes dos levantamentos de solos. No entanto, os esquemas de amostragem utilizados nos levantamentos convencionais têm se evidenciado inadequados para o mapeamento digital de solos, pois podem comprometer os resultados e, além disso, não possibilitam a realização de análises estatísticas. Este estudo teve por objetivo avaliar o método de amostragem do hipercubo latino condicionado (cLHS, sigla em inglês), na presença de covariáveis ambientais (elevação, declividade, curvatura e mapa de uso e cobertura do solo), em comparação com a amostragem aleatória, na alocação de 100 pontos amostrais, buscando maior representatividade das características ambientais da bacia do rio Guapi-Macacu. O desempenho dos métodos foi avaliado pela análise qualitativa dos histogramas de frequência e das análises estatísticas pelos testes F, T de Student e Kolmogorov-Smirnov (K-S), para cada covariável. Os resultados apresentaram que os pontos selecionados pelo método cLHS possuíam distribuição geográfica mais adequada do que aqueles obtidos pela amostragem aleatória. Além disso, o método cLHS preservou mais a distribuição de frequência das covariáveis contínuas do que a amostragem aleatória; para covariável categórica uso e cobertura do solo os métodos foram equivalentes. Os testes estatísticos confirmaram o melhor desempenho do método cLHS, cujas amostras não diferiram estatisticamente da bacia. Entretanto, a amostragem aleatória apresentou diferença estatística para com a bacia, para todas as covariáveis contínuas para pelo menos um dos testes utilizados. Assim, o método cLHS pode ser considerado como um método satisfatório para seleção de locais de amostragem em áreas heterogêneas similares as deste estudo, visando a utilização no mapeamento digital de solos.

Soil sampling is one of the most important stages in soil surveys. However, in conventional soil surveys, sampling schemes have proven to be inadequate for digital soil mapping because they may affect the results obtained and, in addition, they do not allow statistical estimations to be performed. This study attempts to evaluate the conditioned Latin Hypercube Sampling (cLHS) method with four environmental covariates (elevation, slope, curvature and land cover/land use map), in comparison to random sampling, in allocating 100 sample points, seeking a more representative description of the environmental characteristics of the Macacu watershed area. The performance of the methods was evaluated by qualitative assessment of histograms of distribution, and statistical analyses by the F test, Student T Test and Kolmogorov-Smirnov test (K-S) for each covariable. The sampling points selected by the cLHS method showed better geographic distribution than those obtained by random sampling. Furthermore, the cLHS method better maintained the frequency distribution of the continuous covariables than random sampling did, and the categorical covariable of land cover/land use showed no significance differences between the cLHS and random methods. Statistical analysis confirmed the better performance of the cLHS method compared to the random method, and the cLHS samples showed no significance differences from the watershed data. In contrast, the random samples showed significance differences from the watershed data for all the continuous covariables for at least one of the statistical tests used. Thus, the cLHS method is a satisfactory method for selecting points for soil sampling in heterogeneous areas, like those of the present study, for the purpose of use in digital soil mapping.

O trabalho teve como objetivo apresentar uma proposta metodológica para o zoneamento agroecológico do Estado do Mato Grosso do Sul, tendo como estudo de caso o município de Bandeirantes. Foram utilizadas geotecnologias, tais como: imagens de satélite (Landast 5), sistema de posicionamento global, sistemas de informação geográfica, cartografia digital e software de processamento digital de imagens, visando construir parâmetros ambientais para uma análise integrada de dados, associados com atributos do terreno derivados de um modelo digital de elevação, dados de propriedades dos solos e de clima. Estas geotecnologias foram empregadas para calcular e espacializar o potencial natural de erosão das terras, a fertilidade natural, drenagem interna e a capacidade de retenção de umidade dos solos. A análise integrada dos parâmetros ambientais, do uso atual das terras e da espacialização da legislação ambiental, permitiu estratificar o município em diferentes zonas agroecológicas recomendadas para o uso agrícola; para o uso com pastagens; para a conservação dos recursos naturais e para a recuperação ambiental. No município de Bandeirantes as zonas agroecológicas recomendadas para o uso com lavouras somam 1.150 km2 (37%) e para pastagens 1.658 km2 (53%), As recomendadas para conservação dos recursos naturais e para recuperação ambiental correspondem a 310 km2, isto é, 10% das terras do município. Pôde-se concluir que a análise integrada de dados ambientais associados às geotecnologias possibilitou a avaliação quantitativa e qualitativa permitindo à estratificação do município em diferentes zonas agroecológicas com indicação de áreas passíveis de exploração agrícola sustentável

This study aimed to present the methodological approach of the agroecological zoning of Mato Grosso do Sul State. The approach incorporated quantitative and qualitative assessment, with geotechnologies (satellite image–landsat 5, global positioning system, geographic information system, digital mapping, software of digital image processing) adoption to perform an integrated analysis of environmental data. Primary soils information associated with terrain attributes and climate characteristics were used with geotechnologies to evaluation of the natural erosion potential, natural fertility, internal drainage and moisture soil retention capacity of soil. The land use, and land cover and the environmental laws were observed. The integrated analysis of these data allowed environmental stratification in different agroecological zones. These zones are defined to agricultural use; pastures; conservation of natural resources or ecological restoration. In Bandeirantes case study, the agroecological zones recommended for agriculture sum 1,150 km2. The evaluation for conservation of natural resources and ecological results in 310 km2, and for the areas recommended for pastures sum 1,650 km2 or 53% of Bandeirantes municipality. This study allows conclude that the integrated analysis of environmental data with application of geotechnologies can subsidize a quantitative and qualitative assessment, stratifying the lands in different agroecological zones, each one with recommendations for sustainable use, and contributing as a powerful tool for spatial planning.

A avaliação de terras é o processo que permite estimar o uso potencial da terra com base em seus atributos. Grande variedade de modelos analíticos pode ser usada neste processo. No Brasil, os dois sistemas de avaliação das terras mais utilizados são o Sistema de Classificação da Capacidade de Uso da Terra e o Sistema FAO/Brasileiro de Aptidão Agrícola das Terras. Embora difiram em vários aspectos, ambos exigem o cruzamento de inúmeras variáveis ambientais. O ALES (Automated Land Evaluation System) é um programa de computador que permite construir sistemas especialistas para avaliação de terras. As entidades avaliadas pelo ALES são as unidades de mapeamento, as quais podem ser de caráter generalizado ou detalhado. A área objeto desta avaliação é composta pelas microrregiões de Chapecó e Xanxerê, no Oeste catarinense, e engloba 54 municípios. Os dados sobre os solos e sobre as características da paisagem foram obtidos no levantamento de reconhecimento dos solos do Estado, na escala de 1:250.000. O presente estudo desenvolveu o sistema especialista ATOSC (Avaliação das Terras do Oeste de Santa Catarina) e, na sua construção, incluiu-se a definição dos requerimentos dos tipos de utilização da terra, bem como foi feita a subseqüente comparação destes com os atributos de cada unidade de mapeamento. Os tipos de utilização da terra considerados foram: feijão, milho, soja e trigo, em cultivos solteiros, sob condições de sequeiro e de manejo característicos destas culturas no Estado. As informações sobre os recursos naturais compreendem os atributos climáticos, de solos e das condições da paisagem que interferem na produção destas culturas. Para cada tipo de utilização da terra foram especificados, no ATOSC, o código, o nome e seus respectivos requerimentos de uso da terra. Os requerimentos de cada cultura foram definidos por uma combinação específica das características das terras selecionadas, que determina o nível de severidade de cada um deles em relação à cultura. Estabeleceram-se quatro níveis de severidade que indicam aumento do grau de limitação ou diminuição do potencial para determinado tipo de uso da terra, a saber: limitação nula ou ligeira (favorável); limitação moderada (moderadamente favorável), limitação forte (pouco favorável); e limitação muito forte (desfavorável). Na árvore de decisão, componente básico do sistema especialista, são implementadas as regras que permitirão o enquadramento das terras em classes de adequação definidas, baseado na qualidade dos requerimentos de acordo com o tipo de uso. O ATOSC facilitou o processo de comparação entre as características das terras das microrregiões de Chapecó e Xanxerê e os requerimentos de uso considerados, por permitir efetuar automaticamente a avaliação das terras, reduzindo, assim, o tempo gasto neste processo. As terras das microrregiões de Chapecó e Xanxerê foram enquadradas, em sua maior parte, nas classes de adequação pouco favorável (3) e desfavorável (4) para os cultivos considerados. Os principais fatores limitantes identificados nestas microrregiões foram a fertilidade natural e o risco de erosão, para o feijão e o milho, e condições de mecanização e risco de erosão, para a soja e o trigo.

Land evaluation is a process that estimates the land use potential based on its properties. A large variety of analytic models can be used in this process. In Brazil, the two most widely used land evaluation systems are the "Sistema de Classificação da Capacidade de Uso da Terra" and "Sistema FAO/Brasileiro de Aptidão Agrícola das Terras". Although different in several aspects, both require the crossing of countless environmental variables. ALES (Automated Land Evaluation System) is a computer program that allows the construction of specialist systems for land evaluation. ALES evaluates map units of either general or detailed character. The area of this evaluation comprised the Chapecó and Xanxerê microregions, in the west of the state of Santa Catarina, and covered 54 municipal districts. Soil data and landscape characteristics were obtained from the state soil survey, at a scale of 1:250.000. This study developed the specialist system ATOSC (Land Evaluation in western Santa Catarina), which defines the requirements of different land use types, and the subsequent comparison of these requirements with the attributes of each map unit. The land use types considered were: bean, corn, soy and wheat in sole cultivations without irrigation, under the characteristic management of these crops in the state. The information on natural resources comprises climatic, soil and landscape attributes that affect the crop yields. In ATOSC, the code, name and land use requirements were specified for each land use type. The crop requirements were defined by a specific combination of the selected land characteristics that determine the severity level of each one in relation to the crop. We established 4 severity levels that indicate a limitation increase or a potential decrease for a certain land use: none or slight limitation (favorable); moderate limitation (moderately favorable); strong limitation (not very favorable); and very strong limitation (unfavorable). In the decision tree, a basic component of the specialist system, rules are implemented that allow a classification of the regions in defined suitability classes, based on the requirements of each land use type. The ATOSC made the comparison between the regional characteristics of the microregions Chapecó and Xanxerê and the requirements of the considered land use easier. The evaluation is automatic, reducing the time spent in the process. The Chapecó and Xanxerê microregions were fit, for the most part, in the suitability classes not very favorable (3) and unfavorable (4) for the considered crops. The main limiting factors in these microregions were identified as natural fertility and erosion risk for bean and corn; and mechanization conditions and erosion risk for soy and wheat.

Com base em levantamento pedológico de reconhecimento de alta intensidade, foram investigadas relações pedogeomorfológicas em uma área do Planalto Central Brasileiro, com vistas à predição de atributos e distribuição dos solos em áreas vizinhas carentes de mapas pedológicos. Três superfícies geomórficas, com distintos padrões de espacialização de solos, foram identificadas. Na mais elevada, a distribuição dos solos é estreitamente relacionada à variação do regime hídrico ao longo das encostas. Ocorrem Latossolo Vermelho (LV), Latossolo Vermelho-Amarelo (LVA), Latossolo Amarelo (LA), Latossolo Amarelo plíntico, Latossolo Amarelo petroplíntico (concrecionário) e Plintossolo Háplico, todos muito argilosos, com teores de Fe2O3 e TiO2 relativamente homogêneos e índices Ki e Kr indicativos de mineralogia oxídica. Na segunda superfície, os solos apresentam maior variação quanto à textura e teores de Fe e Ti. Predominam LV e LV acriférrico, além de LVA e LA. Nos limites com as chapadas, observa-se a ocorrência de LVA e LA acriférricos endopetroplínticos. Na terceira superfície, que disseca as anteriores, predominam solos menos intemperizados, com atributos muito variáveis, como Cambissolo Háplico, Argissolos Vermelho e Vermelho-Amarelo, Nitossolo Vermelho eutroférrico, Neossolo Litólico e Neossolo Flúvico. O trabalho inclui a proposição de um modelo de evolução para a paisagem regional.

The soil-geomorphic surface relationships were investigated in an area of the Central Brazilian Plateau, based upon a high intensity reconnaissance pedological survey, aiming at the prevision of the soil attributes and their distribution in adjacent areas which don't have pedological maps. Three geomorphic surfaces, with distinctive soil distribution patterns, were identified. In the highest geomorphic surface, the soil distribution is highly related to the hydric regime variation along the hillsides, occurring Red-Latosol (RL), Red-Yellow Latosol (RYL), Yellow Latosol (YL), Plinthic Yellow Latosol, Petroplinthic Yellow Latosol (PYL) (concretionary soil) and Haplic Plinthosol. These soils show very clayey texture, values of Fe2O3 and TiO2 relatively homogeneous, and Ki and Kr indexes indicatives of oxidic mineralogy. In the second surface, the soils show higher variation with respect to texture and iron and titanium contents. RL, Acricferric RL, RYL and YL are the dominant soils, with occurrence of Acriferric Endopetroplinthic RYL and YL near the borders of the high tablelands. In the third surface, that cuts the first and second ones, predominate less weathered soils, with high variable attributes, such as Haplic Cambisol, Red and Red-Yellow Argisols, Eutroferric Red Nitosol, Litholic Neosol and Fluvic Neosol. This work includes a proposition of a regional landscape evolution model.