RESUMO As análises convencionais de solo produzem grandes quantidades de resíduos e demandam muito tempo e recursos. A construção de bancos de dados espectrais para estimar atributos do solo é uma alternativa em mapeamento de solos. Objetivou-se neste estudo construir bibliotecas espectrais e estudar a qualidade dos modelos de predição de atributos do solo gerados. Obtiveram-se 7185 espectros de solo (400-2500 nm) em laboratório, cada um com as respectivas análises de solo. As bibliotecas espectrais "Geral", "Regionais" e "Locais" foram geradas a partir dessas leituras espectrais. A biblioteca espectral "Geral" contém toda a gama de dados e vários estados, as Regionais contêm dados de municípios geograficamente próximos, e as Locais contêm dados do solo de um único município. Em geral, observou-se a seqüência de R2 para Geral (0,85), Regional (0,67-0,77) e Local (0,55-0,77). Em conclusão, o melhor banco de dados foi o Geral. Por outro lado, independente do tamanho do banco de dados, com base em modelos de previsão de atributos físicos, tais como a areia, argila e matéria orgânica, obteve-se bons prognósticos, até R2 de 0,7. A determinação de bibliotecas espectrais incluindo solos altamente variáveis formados a partir de diferentes materiais de origem produziu resultados piores para a estimativa de atributos químicos e melhores resultados para a estimativa de atributos físicos. A baixa amplitude de variação em um determinado atributo foi um fator limitante na geração de modelos preditivos eficazes. Uma grande biblioteca espectral pode certamente melhorar a avaliação quantitativa do solo.
ABSTRACT Conventional soil analysis produces large amount of residues and demand resources and time consuming. The construction of soil spectral database for estimating soil attributes is the newest alternative on soil mapping. The objective in this study was to build spectral libraries and study the quality of the generated prediction models for soil attributes. It was obtained 7185 soil spectral (400-2500 nm) in laboratory with respective soil analysis. The spectral libraries "general", "regional", and "local" were generated from these spectral readings. The general spectral library contained the full range of data and several states, the regional libraries contained data from geographically close municipalities, and the local libraries contained soil data from a single municipality. In general we observed the sequence of R2 for General (0.85), Regional (0.67 to 0.77) and Local (0.55 to 0.77). In conclusion, the best database was the general one. On the other hand, independent of the size of the database, predictive models based on physical attributes such as sand, clay, and organic matter generate good predictions until an R2 of 0.7. The determination of spectral libraries including highly variable soils formed from different parent materials create worse results for the estimation of chemical attributes and better results for the estimation of the physical ones. The low range of variation in a given attribute was a limiting factor in the generation of effective predictive models. A great spectral library can certainly improve soil quantitative evaluation.