ABSTRACT Terrain attributes (TAs) derived from digital elevation models (DEMs) are frequently used in digital soil mapping (DSM) as auxiliary covariates in the construction of prediction models. The DEMs and information extracted from it may be limited with regard to the spatial resolution and error magnitude, and can differ in the behavior of terrain features. The objective of this study was to evaluate the quality and limitations of free DEM data and to evaluate a topographic survey (TS) underlying the choice of a more appropriate model, for use in DSMs at a scale of 1:10,000. The study was conducted in an area of 937 ha in the watershed of Lajeado Giruá, in southern Brazil. The DEMs: DEM-TS, DEM-Topographic Map (TM), DEM-ASTER, DEM-SRTM, and DEM-TOPODATA were evaluated with regard to the precision elevation by statistical tests based on field reference points, the root mean square error (RMSE), identification of the number and size of spurious depressions, and the application of the Brazilian Cartographic Accuracy Standards Law (BCASL) to define the scale of each DEM. In addition, the TA derived from each DEM was compared with the TA from DEM-TS, considered to be terrain reality. The results showed that the elevation data of DEM-TS had the best quality (RMSE = 1.93 m), followed by DEM-SRTM (RMSE = 5.95 m), DEM-Topographic Map (RMSE = 8.28 m), DEM-TOPODATA (RMSE = 9.78 m) and DEM-ASTER (RMSE = 15.57 m). The DEM-TS was well-represented at a 1:10,000 scale, while the DEM-Topographic Map and DEM-SRTM fitted 1:50,000, the DEM-TOPODATA 1:50,000 and the DEM-ASTER a 1:100,000 scale. The results of DEM-SRTM and DEM-TOPODATA were closest to terrain reality (DEM-TS) and had the lowest number of spurious depressions and RMSE values for each evaluated attribute, but were inadequate for not fitting detailed scales compatible with small areas. The techniques for the acquisition of elevation data of each DEM and mainly the flat to gently undulating topography were factors that influenced the results. For a DSM at a scale of 1:10,000 in similar areas, the most appropriate model is DEM-TS.

Increasingly intensive use of soil and its disorganized occupancy result in its degradation. There is a lack of more detailed information on soils and on soil surveys. Soil mappings are key for land sustainable management because they provide basic information about this natural resource and its distribution on the landscape. The production of highly detailed soil class and attribute maps, will only be possible using geotechnologies in combination with field data. The objective of this review was to emphasize the importance of soil surveys within a new paradigm, defined as Digital Soil Mapping (DSM). DSM requires: i) the use of data from field sampling and analytical results from laboratories, including existing as well as newly collected data ii) the process of inference and of spacing includes a proposition of mathematical and statistical models based on soil observation, environmental covariates and other scorpan factors iii) results should be presented as soil spatial system format with continuous and/or discrete data, added to the uncertainty of this information, which could be updated whenever new observations become available. The application of DSM will make it possible for soil spatial information, attributes and classes to be generated and be readily available in digital format with its associated uncertainty. Among the challenges for further implementation of several strategies available in DSM, the training of future generations of soil scientists should be a priority.

O uso cada vez mais intensivo do solo e sua ocupação desordenada resultam em sua degradação. Existe uma grande carência de informações mais detalhadas de solos e seus levantamentos. Por apresentarem informações básicas sobre esse recurso natural e sua distribuição na paisagem, os mapeamentos são fundamentais para o manejo sustentável das terras. A produção de mapas de classes e atributos, com maior nível de detalhamento, só será possível com a utilização de geotecnologias combinadas com dados coletados no campo. Assim, o objetivo desta revisão foi ressaltar a importância dos levantamentos de solos dentro de um novo paradigma, definido como Mapeamento Digital de Solos (MDS). A prática de MDS requer que: i) os dados utilizados tenham sua origem em coletas de campo e resultados analíticos de laboratório, incluindo dados legados e novas coletas; ii) o processo de inferência e espacialização inclui a proposição de modelos matemáticos e estatísticos entre as observações do solo, as covariáveis ambientais e os demais fatores scorpan; e, iii) os resultados estejam na forma de um sistema espacial em solos, com dados contínuos e/ou discretos, agregados à incerteza dessas informações, podendo ser atualizados sempre que novas observações estiverem disponíveis. A aplicação do MDS irá permitir que informações espaciais em solos, de atributos e classes, sejam geradas e prontamente disponibilizadas em formatos digitais e com a incerteza associada. Entre os desafios para uma maior aplicação das várias estratégias disponíveis em MDS está a capacitação e formação das futuras gerações de pedólogos.

Uma questão crítica no mapeamento digital de solos é a seleção do método de amostragem dos dados para treinamento do modelo preditivo. Uma abordagem emergente aplica a seleção de instâncias (observações) para reduzir o tamanho do conjunto de dados, selecionando amostras relevantes para obter um subconjunto representativo, o qual seja grande o suficiente para preservar as informações pertinentes, mas pequeno o suficiente para ser facilmente manipulado pelos algoritmos de aprendizagem. Embora existam sugestões para distribuir a amostragem de dados em função da proximidade de limites de unidades de mapeamento de solos (UM), ainda existem contradições entre as recomendações de pesquisa para localizar amostras mais perto ou mais distantes desses limites. Foi realizado um estudo para avaliar os métodos de seleção de instâncias com base na coleta de dados espacialmente explícita usando a localização em relação aos limites de mapa de solo como o principal critério. Realizou-se análise de árvore de decisão para a modelagem de mapeamento digital de classes de solo usando dois esquemas de amostragem diferentes: a) selecionando pontos de amostragem localizados fora das áreas marginais aos limites das UM e b) selecionando pontos de amostragem situados dentro das áreas marginais aos limites das UM. Os dados foram preparados para a geração de árvores de classificação para incluir somente dados pontuais localizados dentro ou fora de faixas com larguras de 60, 120, 240, 360, 480 e 600m ao redor dos limites de UM. Ambos os métodos de seleção de instâncias foram eficazes para reduzir o tamanho do conjunto de dados usado para calibração de árvores de classificação, mas não trouxeram vantagens para o mapeamento digital de classes de solos.

A critical issue in digital soil mapping (DSM) is the selection of data sampling method for model training. One emerging approach applies instance selection to reduce the size of the dataset by drawing only relevant samples in order to obtain a representative subset that is still large enough to preserve relevant information, but small enough to be easily handled by learning algorithms. Although there are suggestions to distribute data sampling as a function of the soil map unit (MU) boundaries location, there are still contradictions among research recommendations for locating samples either closer or more distant from soil MU boundaries. A study was conducted to evaluate instance selection methods based on spatially-explicit data collection using location in relation to soil MU boundaries as the main criterion. Decision tree analysis was performed for modeling digital soil class mapping using two different sampling schemes: a) selecting sampling points located outside buffers near soil MU boundaries, and b) selecting sampling points located within buffers near soil MU boundaries. Data was prepared for generating classification trees to include only data points located within or outside buffers with widths of 60, 120, 240, 360, 480, and 600m near MU boundaries. Instance selection methods using both spatial selection of methods was effective for reduced size of the dataset used for calibrating classification tree models, but failed to provide advantages to digital soil mapping because of potential reduction in the accuracy of classification tree models.

O solo é cada vez mais reconhecido como tendo um importante papel nos ecossistemas, assim como para a produção de alimentos e regulação do clima global. Por esse motivo, a demanda por informações relevantes e atualizadas em solos é crescente. Pesquisadores em ciência do solo estão sendo demandados a gerar informações em diferentes resoluções espaciais e com qualidade associada dentro do que está sendo chamado de Mapeamento Digital de Solos (MDS). Devido ao crescente número de trabalhos relacionados ao MDS, faz-se necessário reunir e discutir as principais características dos estudos relacionados ao mapeamento digital de classes de solos no Brasil, o que irá possibilitar uma perspectiva mais ampla dos caminhos, além de nortear trabalhos e demandas futuras. O mapeamento de classes de solos empregando técnicas de MDS é recente no país, com a primeira publicação em 2006. Entre as funções preditivas utilizadas, predomina o emprego da técnica de regressões logísticas. O fator de formação relevo foi empregado na totalidade dos estudos revisados. Quanto à avaliação da qualidade dos modelos preditivos, o emprego da matriz de erros e do índice kappa têm sido os procedimentos mais usuais. A consolidação dessa abordagem automatizada como ferramenta auxiliar ao mapeamento convencional passa pelo treinamento dos jovens pedólogos para a utilização de tecnologias da geoinformação e de ferramentas quantitativas dos aspectos de variabilidade do solo.

Soil is increasingly being recognized as having an important role in ecosystems, as well as for food production and global climate regulation. For this reason, the demand for relevant and updated soil information is increasing. Soil science researchers are being demanded to produce information in different spatial resolutions with associated quality in what is being called Digital Soil Mapping (DSM). Due to an increasing number of papers related to the DSM in Brazil, it is necessary to discuss the main characteristics of those studies related to the automated mapping of soil classes, which will enable a broader perspective of the subject and guide future works and demands. The mapping of soil classes using DSM techniques is recent in the country, the first publication in this topic occurred just in 2006. Among the predictive functions the predominant is logistic regression. The soil formation factor relief was used in all studies reviewed. Quality of predictive models was evaluated employing error matrix and kappa which were the most common procedures. The consolidation of this automated approach as an auxiliary tool to the conventional soil mapping will demand training of young soil scientists to use geoinformation technologies and quantitative tools to handle aspects of soil variability.

A conservação dos recursos naturais tais como solo e água, deve ser preocupação de governos e instituições. Processos erosivos são responsáveis pela degradação desses recursos, em várias partes do globo. Objetivou-se, com este estudo, avaliar a dinâmica da cobertura da terra em uma região de topografia complexa e empregar a equação universal de perda de solos modificada (RUSLE) para quantificar a perda de solos em decorrência da erosão. O uso da terra no distrito de Vale Vêneto, município de São João do Polêsine na região central do Estado do Rio Grande do Sul, foi avaliado em imagens Landsat nos anos de 1988, 2000 e 2007. A análise espaço temporal do uso da terra indica que as áreas de floresta tiveram um aumento de 16,2% no período de 19 anos. As áreas de agricultura sofreram uma diminuição de 57,5%, no mesmo período. A erosão bruta específica sofreu uma redução de 44%, de 1988 a 2007. Verificou-se que a desintensificação do uso da terra leva a uma configuração mais favorável de conservação do solo e mitigação da erosão. É provável que as mudanças ocorridas no uso da terra estejam relacionadas à não reprodução das famílias rurais que, anteriormente, cultivavam áreas impróprias para a atividade agrícola nesta região.

Conservation of natural resources such as soil and water should be a concern of governments and institutions. Erosion processes are responsible for the degradation of these important resources in many parts of the globe. The aim of this study was to assess the land cover dynamics in a region of complex landscape and employ the modified universal soil loss equation (RUSLE) to quantify soil loss due to erosion. The land use in the district of Vale Veneto, São João do Polêsine in central region of Rio Grande do Sul, was evaluated in Landsat images of 1988, 2000 and 2007. The spatial and temporal analysis of the land use indicates that the forest areas had a 16.2% increase over the 19 years period. Areas under agriculture had a decrease of 57.5% over the same period. The gross erosion suffered a 44% reduction from 1988 to 2007. The study showed that land use disintensification leads to a more favorable configuration for soil conservation and erosion mitigation. It is believed that changes in land use are related to diminishing number of rural families who previously cultivated areas unsuitable for agriculture in this region.

O objetivo deste trabalho foi definir a resolução espacial mais apropriada para representar a variabilidade da elevação, declividade, curvatura em perfil e índice de umidade topográfica de um terreno, por meio de avaliações com a transformada wavelet. Os dados utilizados no estudo têm sua origem em três transectos de 27 km, posicionados em áreas do Planalto, Rebordo do Planalto e Depressão Central na região central do Estado do Rio Grande do Sul. As variáveis - elevação, declividade, curvatura em perfil e índice de umidade topográfica - foram derivadas de um modelo digital de elevação Topodata com resolução de 30 m. A avaliação da resolução com a máxima variabilidade foi realizada pela aplicação da wavelet-mãe, denominada Morlet. Os resultados foram analisados a partir do isograma e do escalograma dos coeficientes wavelet e indicaram que sensores remotos com resolução espacial próxima a 32 e 40 m podem ser utilizados em pesquisas que considerem os atributos de terreno, como declividade, curvatura em perfil e índice de umidade topográfica, ou, ainda, fenômenos ambientais correlacionados a eles. No entanto, não foi possível estabelecer um valor conclusivo para a resolução espacial mais adequada para a variável elevação.

The objective of this work was to define the most appropriate spatial resolution to represent the variability of elevation, slope, profile curvature and topographic wetness index of a terrain by evaluations with the wavelet transform. Data used in the study have their origin in three 27-km transects, positioned in areas of the Planalto, Rebordo do Planalto and Depressão Central in the central region of Rio Grande do Sul state, Brazil. The variables - elevation, slope, profile curvature and topographic wetness index - were derived from a Topodata digital elevation model with 30 m resolution. The assessment of the resolution with the highest variability was evaluated through the application of the Morlet mother wavelet. The results were analyzed from the wavelet coefficients plotted in isograms and scalograms, and indicate that remote sensors with spatial resolution between 32 and 40 m should be used in researches considering terrain attributes as slope, profile curvature and topographic wetness index, or even environmental phenomena related to them. However, it was not possible to establish a conclusive value for a more appropriate spatial resolution to the attribute elevation.

Tecnologias disponíveis para a observação da Terra oferecem uma grande gama de informações sobre componentes ambientais que, por estarem relacionadas com a formação dos solos, podem ser usadas como variáveis preditoras no Mapeamento Digital de Solos (MDS). No entanto, modelos com um grande número de preditores, bem como a existência de multicolinearidade entre os dados, podem ser ineficazes no mapeamento de classes e propriedades do solo. O objetivo deste estudo foi empregar a Análise de Componentes Principais (ACP) visando a selecionar e diminuir o número de preditores na regressão logística múltipla multinomial (RLMM) utilizada no mapeamento de classes de solos. Nove covariáveis ambientais, ligadas ao fator de formação relevo, foram derivadas de um Modelo Digital de Elevação e denominadas variáveis originais, estas foram submetidas à ACP e transformadas em Componentes Principais (CP). As RLMM foram desenvolvidas utilizando-se atributos de terreno e as CP como variáveis explicativas. O mapa de solos gerado a partir de três CP (65,6% da variância original) obteve um índice kappa de 37,3%, inferior aos 48,5% alcançado pelo mapa de solos gerado a partir de todas as nove variáveis originais.

Available technologies for Earth observation offer a wide range of predictors relevant to Digital Soil Mapping (DSM). However, models with a large number of predictors, as well as, the existence of multicollinearity among the data, may be ineffective in the mapping of classes and soil properties. The aim of this study was to use the Principal Component Analysis (PCA) to reduce the number of predictors in the multinomial logistic regression (MLR) used in soil mapping. Nine environmental covariates, related to the relief factor of soil formation, were derived from a digital elevation model and named the original variables, which were submitted to PCA and transformed into principal components (PC). The MLR were developed using the terrain attributes and the PC as explanatory variables. The soil map generated from three PC (65.6% of the original variance) had a kappa index of 37.3%, lower than the 48.5% achieved by the soil map generated from all nine original variables.

O objetivo deste trabalho foi avaliar a possibildade de se gerar um menor conjunto de preditores não correlacionados e potencialmente aplicáveis ao mapeamento digital de solos, pelo uso da estatística multivariada. Os atributos de terreno, elevação, declividade, distância à drenagem, curvatura planar, curvatura de perfil, radiação relativa disponível, logaritmo natural da área de contribuição, índice de umidade topográfica e capacidade de transporte de sedimento, foram transformados pelo método Varimax nas variáveis: altimetria, hidrologia e curvatura. Essa transformação representou uma concentração de 65,57% da variabilidade dos dados originais nas três novas componentes. As novas variáveis possibilitam o emprego de menor quantidade de dados nos modelos preditivos, além do fato de serem não correlacionados. A rotação Varimax permite que a relação com o ambiente de formação do solo seja explicitamente inserida nos modelos preditivos.

The objective of this work was to assess the possibility of generating a smaller set of uncorrelated predictors, potentially applicable to digital soil mapping, by multivariate statistical analysis. The terrain attributes, elevation, slope, stream distance, planar curvature, profile curvature, relative available radiation, natural logarithm of the contributing area, topographic wetness index, and sediment transport capacity, were transformed by the Varimax method into the variables: altimetry, hydrology, and curvature. This transformation represented a variability concentration of 65.57% of the original data in the three new components. The new variables enable the use of a smaller amount of data set in prediction models, besides the fact that they are uncorrelated. Varimax rotation allows the relationship between environment and soil formation to be explicitly included in the prediction models.

O objetivo deste estudo foi aplicar uma técnica automatizada de mapeamento de solos a partir de modelos preditivos ajustados em uma área de referência e, posteriormente, aplicados em áreas próximas de mesmas relações solo-paisagem. Modelos lineares generalizados foram desenvolvidos utilizando-se de nove atributos de terreno, derivados de um Modelo Digital de Elevação, como covariáveis preditoras e classes de solos, obtidas em um levantamento convencional, como variáveis dependentes. Os modelos foram capazes de distinguir as três principais formas da paisagem local. Classes de solos de pedogênese intimamente ligada às covariáveis preditoras obtiveram os melhores resultados. O mapa de solos gerado apresentou uma reprodutibilidade de 46,12% e uma exatidão de 21,06%.

The aim of this study was to apply an automated technique of soil mapping from predictive models developed at a reference area, into nearby areas of the same soil-landscape relationships. Generalized linear models were developed using nine terrain attributes derived from a digital elevation model as covariate predictors, with soil classes, obtained from a conventional soil survey, as dependent variables. The models were able to distinguish the three main forms of the local landscape. Soil classes with pedogenesis intimately tied to the predictive covariates obtained the best results. The soil maps generated, showed a reproducibility of 46.12% and an accuracy of 21.06%.

Métodos mais eficazes para determinação do padrão de distribuição de classes de solo na paisagem precisam ser avaliados visando suprir a demanda por mapas de solo em escalas regional e global. Neste estudo, Regressões Logísticas Múltiplas foram utilizadas como modelos preditores em uma aplicação de Mapeamento Digital de Solos. Os modelos foram gerados utilizando um mapa de solos existente como variável dependente e atributos de terreno como variáveis independentes, o que possibilitou determinar a probabilidade de encontrar classes de solo na paisagem no primeiro e no segundo nível categórico do SiBCS. A qualidade dos mapas preditos foi verificada por meio da matriz de contingência. A classe dos Argissolos foi predita corretamente, em relação ao mapa original, em aproximadamente 85 %. As classes de solos hidromórficos (Planossolos e Gleissolos) foram preditas corretamente em 75 %. Houve confundimento dos modelos para as classes que ocupam posições muito semelhantes na paisagem. Foi verificado também que classes de solo pouco representativas na paisagem não são adequadamente espacializadas em razão da sensibilidade dos modelos logísticos à proporção relativa das amostras usadas para treinar os modelos.

More effective methodologies to determine the soil class distribution must be evaluated in order to meet the demand for soil maps at regional and global scales. In this study, logistic regressions were used as predictive models in an application of Digital Soil Mapping. The models were derived from an existing soil map as dependent variable and terrain attributes as independent variables. The probability of finding soil classes in the landscape at the 1st and 2nd Categorical Level of the Brazilian System of Soil Classification (SiBCS) was determined. The quality of the predicted map was tested using a contingency matrix. Approximately 85 % of the Acrisols (Argissolos) were correctly predicted, in relation to the original map. Of the hydromorphic soils, 75 % were correctly predicted. The prediction was inaccurate for classes in very similar positions in the landscape. It was also found that the non-representative soil classes of the landscape were not properly spatialized, due to sensitivity of the logistic models to the relative proportion of the samples used to adjust the models.