ABSTRACT Soil reflectance spectroscopy has become an innovative method for soil property quantification supplying data for studies in soil fertility, soil classification, digital soil mapping, while reducing laboratory time and applying a clean technology. This paper describes the implementation of a Graphical User Interface (GUI) using R named AlradSpectra. It contains several tools to process spectroscopic data and generate models to predict soil properties. The GUI was developed to accomplish tasks such as perform a large range of spectral preprocessing techniques, implement several multivariate calibration methods, generate statistics assessment and graphical output, validate the models using independent dataset, and predict unknown variables using soil spectral data. AlradSpectra has four main modules: Import Data, Spectral Preprocessing, Modeling, and Prediction. The implementation of AlradSpectra is demonstrated by applying visible near-infrared reflectance spectroscopy for soil organic carbon (SOC) prediction. The data contains the value of SOC and Vis-NIR reflectance for 595 soil samples. The prediction statistic assessment of SOC was performed applying all spectral preprocessing and methods. The R 2 considering all models ranged from 0.54 to 0.80. In the partial least squares regression (PLSR) models, the performances were similar to multiple linear regression (MLR) and support vector machines (SVM). The lowest error in the SOC prediction was achieved by PLSR method with standard normal variate (SNV) preprocessing reaching an R 2 of 0.80, the smallest root mean square error (RMSE) of 0.47 %, and ratio of performance to inter-quartile distance (RPIQ) of 3.12. The capacity of performing multiple tasks, being free and open-source, easy to operate, and requiring no initial knowledge of R programming language are features that make AlradSpectra a useful tool to perform different modeling approaches and predict the desired soil variable.

As imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando a dimensionalidade do conjunto de dados. Funções de seleção de atributos relevantes e de reforço, disponíveis no algoritmo C5.0, e a análise baseada em objetos facilitam a classificação dessas imagens. Este trabalho teve como objetivos: (i) avaliar as classificações dos objetos em relação aos parâmetros de seleção de atributos (winnow), de reforço (trial) e do Número Mínimo de Amostras (NMA), (ii) determinar os atributos preditivos mais importantes e (iii) comparar a classificação por Árvore de Decisão com Máquina de Vetores Suporte. Para segmentar a imagem foi utilizado o método crescimento de regiões e para a classificação o algoritmo C5.0. Os valores dos parâmetros trial (10) e NMA (5) resultaram acurácias superiores a 0,8. Com esses parâmetros o valor do kappa foi superior a SVM. Ao habilitar o parâmetro winnow foi observado uma redução da dimensionalidade do conjunto de dados de aproximadamente 30%. Os dois atributos mais importantes na discriminação das classes foram a razão entre as bandas verde e azul e a média dos valores das elevações

Remotely sensed images acquired with submetrical spatial resolution, such as those captured by Unmanned Aerial Vehicle (UAVs), usually present a high spectral variability. An object based approach allows the generation of attributes, increasing the dimensionality of the original dataset. Selection functions for relevant features and booster, available in the C5.0 algorithm, and the objects based analysis facilitate the classification of such datasets. This study aimed at: (i) to evaluate object classification approach in relation to the parameters of attributes selection (winnow), booster (trial) and Minimum Sample Size (MSS), (ii) to determine the most predictive features, and (iii) to compare the classification performance of both Decision Tree and Support Vectors Machine. A region growing method was used in order to segment the image. C5.0 algorithm was used in the classification procedure. The values of the trial (10) and MMS (5) parameters resulted in accuracies higher than 0.8. The kappa value was greater that the SVM, with these parameters. A significant decrease in the data dimensionality up to 30% was observed when the winnow parameter was habilitated. The two most important features in the breakdown of classes were ‘ratio between the blue and green bands’ and ‘average of the elevation values’.

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.

A espectroscopia de reflectância difusa (ERD) pode ser utilizada como alternativa para quantificação de atributos como granulometria e matéria orgânica do solo (MOS). Essa técnica pode ser opção para quantificar esses atributos em grande volume de amostras de solos, visto ser rápida, com menor custo e sem a geração de resíduos químicos. O objetivo deste estudo foi desenvolver modelos usando análise de regressão linear múltipla para predizer o teor de argila, areia, silte e MOS, utilizando dados de ERD em uma área de relevo e geologia complexa localizada na região central do Rio Grande do Sul. No estudo, foram utilizadas 303 amostras coletadas na profundidade de 0,00-0,20 m para determinar os teores de argila, areia, silte e MOS por meio da análise laboratorial e de reflectância espectral. O desempenho dos modelos de predição apresentaram bons resultados, com capacidade de explicação da variância de 77 e 72 % para areia e argila, respectivamente. Mesmo com a complexidade geológica e pedológica, os resultados evidenciaram que a técnica é promissora, sendo possível a aplicação dessa técnica para predição da granulometria e teor de MOS.

Diffuse reflectance spectroscopy (DRS) can be used as an alternative in identifying and quantifying some soil properties such as particle size and soil organic matter (SOM). This technique may be an alternative to quantifying those properties in a large volume of soil samples since it is faster and less costly and does not produce chemical residues. The aim of this study was to develop models using multiple linear regression analysis to predict the content of clay, sand, silt, and SOM using DRS data in an area of complex topography and geology located in the central region of Rio Grande do Sul, Brazil. In the study, 303 samples were collected at a depth of 0.00-0.20 m for determination of clay, sand, silt, and SOM by laboratory and spectral reflectance analysis. The predictive models produced high-quality results, explaining 77 and 72 % of the variance for sand and clay, respectively. The interpolation maps of the observed and predicted properties revealed that the spatial patterns are mainly associated with the topography and geology of the area. Even with the geological and pedological complexity, the results indicated that the technique is promising and it may be applied for prediction of particle size and SOM.

A cobertura da terra é uma informação espacial de extrema relevância para uma série de modelos, sendo utilizada para estimar a produção de sedimentos e para mensurar a potencialidade da paisagem em sequestrar carbono. A classificação da cobertura da terra pelo método de classificação supervisionado necessita de áreas de treino, já que essas áreas devem ser representativas para cada classe de cobertura da terra. Para o algoritmo de classificação por árvore de decisão (AD), a complexidade da AD resulta em diferentes valores de acurácias para os mapas temáticos. Desse modo, o objetivo deste estudo foi determinar a densidade mínima de amostras em um modelo por AD, a fim de discriminar as classes de cobertura da terra e avaliar o tamanho da AD gerada quanto ao seu número de folhas. Além disso, preocupou-se em identificar as classes da cobertura da terra de mais difícil classificação. Nesse contexto, foram utilizadas bandas da imagem do satélite RESOURCESAT-1 e índices espectrais. A densidade mínima de amostras variou entre 0,15 e 0,30% da área total para cada classe. Esse intervalo de amostragem possibilitou resultados melhores que 80% para o índice kappa. O menor agrupamento entre observações em uma mesma folha terminal foi de 45, e as classes mais difíceis de classificar foram floresta e lavoura de arroz, devido à semelhança espectral que as florestas sombreadas possuem com as lavouras de arroz irrigadas.

Land cover is a spatial information of great relevance for a variety of models for estimating sediment yield and to measure the potential of the landscape carbon sequestration. The classification of land cover by the supervised method requires training areas, these areas must be representative of each class of land cover. For the classification decision tree (DT) algorithm, the complexity of DT, results in different values of accuracies for thematic maps. Thus, the objective of this study was to estimate the minimum sample density in a DT model which would allow to discriminate land cover classes, evaluate the size of the generated DT model, as well as, identify the more difficult land cover class to be mapped. Satellite images from RESOURCESAT-1as well as spectral indices were used in the study. The minimum sample density varied between 0.15 and 0.30% of the total area for each class, this sampling interval allowed better results than 80% for kappa index. The smallest grouping of observations in the same terminal leaf was 45 observations. In this study the most difficult land use classes to be mapped were forest and rice crops due to spectral similarity of shaded forests with irrigated rice crops.

Informações digitais tornam possível um elevado grau de redundância das informações disponíveis para o ajuste de modelos preditores aplicados ao Mapeamento Digital de Solos (MDS). Entre esses modelos, a técnica de Árvores de Decisão (AD) tem aplicação crescente, em razão da sua potência no tratamento de grandes volumes de dados. Objetivou-se com este trabalho avaliar o impacto do volume de dados utilizados para gerar os modelos por AD, na qualidade dos mapas de solos gerados pela técnica de MDS. Uma área de estudo com 889,33 km² foi escolhida na região do Planalto Médio do Rio Grande do Sul. As relações solo-paisagem foram obtidas a partir de reambulação da área de estudo e delineamento das unidades de mapeamento em cartas topográficas de escala 1:50.000. Seis covariáveis preditoras ligadas aos fatores de formação do solo, relevo e organismos, juntamente com os conjuntos de dados de um, três, cinco, 10, 15, 20 e 25 % do volume total de dados, foram usadas para gerar os modelos preditivos por AD no programa WEKA. Neste estudo, densidades de amostragem menores do que 5 % resultaram em modelos com menor poder de capturar a complexidade da distribuição espacial do solo da área estudada. Amostragens entre cinco e 15 % conduziram a uma melhor relação entre o volume de dados a ser manipulado e a capacidade preditiva dos modelos gerados. Dados coletados no campo indicaram acurácia dos mapas preditos próxima a 70 %, para os modelos oriundos dessas densidades de amostragem.

Digital information generates the possibility of a high degree of redundancy in the data available for fitting predictive models used for Digital Soil Mapping (DSM). Among these models, the Decision Tree (DT) technique has been increasingly applied due to its capacity of dealing with large datasets. The purpose of this study was to evaluate the impact of the data volume used to generate the DT models on the quality of soil maps. An area of 889.33 km² was chosen in the Northern region of the State of Rio Grande do Sul. The soil-landscape relationship was obtained from reambulation of the studied area and the alignment of the units in the 1:50,000 scale topographic mapping. Six predictive covariates linked to the factors soil formation, relief and organisms, together with data sets of 1, 3, 5, 10, 15, 20 and 25 % of the total data volume, were used to generate the predictive DT models in the data mining program Waikato Environment for Knowledge Analysis (WEKA). In this study, sample densities below 5 % resulted in models with lower power of capturing the complexity of the spatial distribution of the soil in the study area. The relation between the data volume to be handled and the predictive capacity of the models was best for samples between 5 and 15 %. For the models based on these sample densities, the collected field data indicated an accuracy of predictive mapping close to 70 %.

Mapas de solos têm na borda dos polígonos a região de maior variabilidade, o que leva os pedólogos a divergir quanto ao delineamento das classes de solos nesses locais. O objetivo deste estudo foi propor uma estratégia de pré-processamento de dados aplicada ao mapeamento digital de solos. Polígonos de solos em um mapa de treinamento foram deslocados para seu interior em 100 e 160 m. Essa estratégia possibilitou que covariáveis localizadas próximas à borda das classes de solos não fossem utilizadas na geração dos modelos de Árvore de Decisão (AD). Três ADs geradas a partir de oito covariáveis preditoras, ligadas aos fatores relevo e organismos, amostradas nos polígonos originais de um mapa de solos e em polígonos deslocados em 100 e 160 m para o seu interior, foram utilizadas para predizer classes de solos. O modelo de AD a partir de observações distantes 160 m da borda dos polígonos no mapa original é menos complexo e tem melhor desempenho preditivo.

The region of greatest variability on soil maps is along the edge of their polygons, causing disagreement among pedologists about the appropriate description of soil classes at these locations. The objective of this work was to propose a strategy for data pre-processing applied to digital soil mapping (DSM). Soil polygons on a training map were shrunk by 100 and 160 m. This strategy prevented the use of covariates located near the edge of the soil classes for the Decision Tree (DT) models. Three DT models derived from eight predictive covariates, related to relief and organism factors sampled on the original polygons of a soil map and on polygons shrunk by 100 and 160 m were used to predict soil classes. The DT model derived from observations 160 m away from the edge of the polygons on the original map is less complex and has a better predictive performance.