ABSTRACT: In Brazil several digital soil class mapping studies were carried out from 2006 onwards to maximize the use of existing maps and information and to provide estimates for wider areas. However, there is no consensus on which methods have produced superior results in the predictive value of soil maps. This study conducts a systematic review of digital soil class mapping in Brazil and aims to analyze the factors which can improve the accuracy of digital soil class maps. Data from 334 digital soil class mapping studies were grouped and analyzed by Student's t-test, Wilcoxon-Mann-Whitney test and Kruskal-Wallis test. When conventional maps were used for validation, the studies showed average values of 63 % and when field samples were used, 56 % for Overall Accuracy. Studies compatible with the Planimetric Cartographic Accuracy Standard for Digital Cartographic Products (PEC-PCD) averaged between 4 % and 15 % higher accuracy than those of the incompatible group. There seems to be no evidence that increasing the number of variables and samples results in more accurate soil map prediction, but studies using variables related to four soil-forming factors enhanced accuracy. From a density of 0.08 MU km–2 and upwards, it became more difficult for studies to obtain greater accuracy. Artificial neural network classifiers and Decision Tree models seem to be producing more accurate digital soil class maps.

Resumo: O objetivo deste trabalho foi desagregar os polígonos de mapas de unidades fisiográficas, de modo a individualizar as classes de solos ocorrentes em cada unidade, para representá-las como unidades de mapeamento simples de solos e gerar um mapa de solos com maior detalhe cartográfico que o mapa original, ampliando a utilidade desses dados em demandas futuras. Foi utilizado um mapa fisiográfico, em escala 1:25.000, da microbacia Córrego Tarumãzinho, localizada no Município de Águas Frias, no Estado de Santa Catarina. Para realizar a desagregação, foram utilizados três parâmetros geomorfométricos: declividade e formas do terreno, ambas derivadas do modelo digital do terreno; e mapa de elevação. Os limites das unidades fisiográficas e os mapas de elevação, declividade e formas do terreno foram submetidos à tabulação cruzada para identificar as combinações existentes entre as classes de solos que compõem cada unidade fisiográfica. A partir dessas combinações, foram elaboradas regras para selecionar áreas de ocorrência típica de cada tipo de solo, para treinar um modelo de árvores de decisão para predição da ocorrência das classes de solos. O treinamento do modelo foi realizado no programa Weka, e a sua validação foi feita com um conjunto de perfis de solos georreferenciados. A desagregação possibilita a individualização e a espacialização das classes de solos e é útil para a produção de mapas de solos detalhados.

Abstract: The objective of this work was to disaggregate the polygons of physiographic map units in order to individualize the soil classes in each one, representing them as simple soil map units and generating a more detailed soil map than the original one, making these data more useful for future reference. A physiographic map, on a 1:25,000 scale, of the Tarumãzinho watershed, located in the municipality of Águas Frias, in the state of Santa Catarina, Brazil, was used. For disaggregation, three geomorphometric parameters were applied: slope and landforms, both derived from the digital terrain model; and an elevation map. The boundaries of the physiographic units and the elevation, slope, and landform maps were subjected to cross tabulation to identify the existing combinations between the soil classes of each physiographic unit. Based on these combinations, rules were established to select typical areas of occurrence of each soil type in order to train a decision tree model to predict the occurrence of soil classes. The model was trained using the Weka software and was validated with a set of georeferenced soil profiles. Disaggregation enables the individualization and spatialization of soil classes and is useful in producing detailed soil maps.

ABSTRACT The success of soil prediction by VIS-NIR-SWIR spectroscopy has led to considerable investment in large soil spectral libraries. The aims of this study were 1) to develop a soil VIS-NIR-SWIR spectroscopy approach using legacy soil samples to improve spectral soil information in a regional scale; (2) to compare six spectral preprocessing techniques; and (3) to compare the performance of linear and non-linear multivariate models for prediction of sand and clay content. A total of 1,534 legacy soil samples, stored by Epagri, were collected from agricultural areas in 2009 on a regional scale, covering 260 municipalities of Santa Catarina. Six spectral preprocessing techniques were applied and compared with reflectance spectra (control treatment) in the development of sand and clay prediction models. Five multivariate regression models, Support Vector Machines, Gaussian Process Regression, Cubist, Random Forest, and Partial Least Square Regression were compared. The scatter-corrective preprocessing groups produced similar or better performance than spectral-derivatives. In addition, preprocessing spectra prior to regression analysis does not improve sand prediction, since reflectance spectra achieved the best performance using Cubist, SVM, and PLS models. In general, clay content presented better prediction accuracy than sand content. The best multivariate model to predict sand and clay content from soil VIS-NIR-SWIR spectra was Cubist. The best Cubist performance was achieved combined with reflectance spectra (R2 = 0.73; root mean square error = 10.60 %; ratio of the performance to the interquartile range = 2.36) and MSC (R2 = 0.83; root mean square error = 7.29 %; ratio of the performance to the interquartile range = 3.70) for sand and clay content, respectively. Considering the mean RMSE values of the validation set, the predictive ability of the multivariate models decreased in the following order: Cubist>PLS>RF>GPR>SVM for both properties. The predictive ability of VIS-NIR-SWIR reflectance spectroscopy achieved in this study for sand and clay content using legacy soil data and heterogeneous samples confirmed the potential of the spectroscopy approach.

ABSTRACT Soil surveys often contain multi-component map units comprising two or more soil classes, whose spatial distribution within the map unit is not represented. Digital Soil Mapping tools supported by information from soil surveys make it possible to predict where these classes are located. The aim of this study was to develop a methodology to increase the detail of conventional soil maps by means of spatial disaggregation of multi-component map units and to predict the spatial location of the derived soil classes. Three digital maps of terrain variables - slope, landforms, and topographic wetness index - were correlated with the soil map and 72 georeferenced profiles from the Porto Alegre soil survey. Explicit rules that expressed regional soil-landscape relationships were formulated based on the resulting combinations. These rules were used to select typical areas of occurrence of each soil class and to train a decision tree model to predict the occurrence of individualized soil classes. Validation of the soil map predictions was conducted by comparison with available soil profiles. The soil map produced showed high agreement (80.5 % accuracy) with the soil classes observed in the soil profiles; Ultisols and Lithic Udorthents were predicted with greater accuracy. The soil variables selected in this study were suitable to represent the soil-landscape relationships, suggesting potential use in future studies. This approach developed a more detailed soil map relevant to current demands for soil information and has potential to be replicated in other areas in which data availability is similar.

ABSTRACT A large number of predictor variables can be used in digital soil mapping; however, the presence of irrelevant covariables may compromise the prediction of soil types. Thus, algorithms can be applied to select the most relevant predictors. This study aimed to compare three covariable selection systems (two filter algorithms and one wrapper algorithm) and assess their impacts on the predictive model. The study area was the Lajeado River Watershed in the state of Rio Grande do Sul, Brazil. We used forty predictor covariables, derived from a digital elevation model with 30 m resolution, in which the three selection models were applied and separated into subsets. These subsets were used to assess performance by applying four prediction algorithms. The wrapper method obtained the best performance values for the predictive model in all the algorithms evaluated. The three selection methods applied reduced the number of covariables in the predictive models by 70 % and enabled prediction of the 14 soil mapping units.

Resumo O objetivo deste trabalho foi realizar a expansão de mapas pedológicos pela extrapolação de mapas preexistentes para áreas fisiograficamente semelhantes. Foram utilizados mapas de solos, em escala 1:50.000, das bacias hidrográficas dos rios Santo Cristo e Arroio Portão, no Rio Grande do Sul, e a extrapolação foi feita com uso do algoritmo de árvores de decisão "simple cart", treinado nas áreas previamente mapeadas. As bacias foram divididas em duas partes, uma para o treinamento e outra para a validação do modelo. A partir do modelo digital de elevação Aster-GDEM, foram gerados sete mapas de variáveis preditoras dos solos na paisagem. A amostragem de dados foi aleatória, com densidade de três pontos por hectare. O treinamento dos modelos foi realizado no programa Weka, e as acurácias foram calculadas a partir de matriz de erros. Para ambas as bacias, a acurácia geral do mapa de solos predito foi maior na área de treinamento do que na área de validação, a qual apresentou valores de 50 e 54%. Os mapas produzidos pelo modelo preditor apresentaram acentuada diferença na distribuição espacial das unidades de mapeamento, comparados com o mapa de solos original, indício de que a técnica de mapeamento digital utilizada é pouco eficiente para extrapolar mapas de solos preexistentes para outras áreas fisiograficamente semelhantes.

Abstract The objective of this work was to expand pedological maps by extrapolating existing soil maps to physiographically similar areas. Soil maps were used at the scale of 1:50,000, for the watersheds of the rivers Santo Cristo and Arroio Portão, in the state of Rio Grande do Sul, Brazil, and the extrapolation was done using the "Simple Cart" decision tree algorithm, trained in the previously mapped areas. The watersheds were divided into two parts, one used for model training and the other for model validation. From the digital elevation model Aster-GDEM, seven maps of soil predicting variables in the landscape were generated. Sampling was random and performed with sampling density of three points per hectare. Model training was performed in the Weka software, and model accuracies were calculated using the error matrix. For both watersheds, the overall accuracy of the predicted soil map was higher in the training area than in the validation area, and showed values of 50 and 54%. The maps produced by the predictive model showed acute differences in the spatial distribution of mapping units, compared with the original soil map, indicating that the used digital mapping technique has low effectivity for the extrapolation of pre-existing soil maps to other physiographically similar areas.

RESUMONa região metropolitana de Porto Alegre (PAMR) é expressiva a proporção de solos de várzea em relação aos solos de terras altas, com predomínio de Planossolos e Gleissolos. Este estudo objetivou caracterizar a morfologia, a física e a química, e classificar taxonomicamente solos em posições de várzea na PAMR. Foram abertas seis trincheiras em relevo plano, sob diferentes litologias sedimentares e classes de drenagem,onde foram realizadas a descrição morfológica dos perfis de solos e a coleta de amostras para as análises físicas e químicas.Foram identificadas duas ordens de solos minerais (Gleissolo e Planossolo) e uma orgânica (Organossolo). Os solos foram moderadamente profundos a profundos e estratificados. Nos solos minerais a matiz variou entre 7,5YR e 2,5Y, com ocorrência de horizontes gleizados Bg, Btg ou Cg, enquanto no Organossolo as cores foram neutras. A granulometria dos solos, com predominância das frações areia e silte, variou conforme os depósitos sedimentares de origem. A expressiva amplitude dos teores de C orgânico mostrou relação negativa coma densidade do solo, e positiva com a área superficial específica e a capacidade de troca de cátions. Os atributos químicos também se mostraram discriminantes entre os solos avaliados, com ocorrência de distrofismo e eutrofismo, variações amplas dos teores de Al3+ trocável e ocorrência de caráter solódico. Nos solos minerais o índice Ki e a relação Fe(CBD)/Fe(H2SO4)indicaram um grau incipiente de desenvolvimento dos solos. O material de origem e o grau de hidromorfismo foram os principais fatores responsáveis pelas diferenças nas características morfológicas, físicas e químicas dos solos na PAMR.

ABSTRACTIn the Porto Alegre metropolitan region (PAMR) there are a significant proportion of floodplain soils, mainly Planosols and Gleysols, in relation to upland soils. This study aimed to evaluate the morphological, chemical and physical characteristics, and to classify floodplain soils in the PAMR. Six soil profiles were evaluated under different sedimentary lithologies and drainage classes, and samples were collected for chemical and physical analyzes. Two orders of mineral soils (Planosols and Gleysols) and one order of organic soil (Organosols) were identified. The soils were moderately deep to deep and stratified. In mineral soils hue ranged between 7.5YR and 2.5Y, with the occurrence of Bg, Btg or Cg gley horizons, while in organic soil the colors were neutral. Sand and silt were the predominant particle sizes according to the origin sedimentary deposits. The organic carbon content was negatively related to soil density and positively related to soil specific surface area and with soil cation exchange capacity. Soil chemical characterization showed expressive variation in bases, aluminum and sodium saturation. Ki index and Fe(CBD)/Fe(H2SO4) ratio indicated a low soil weathering degree. The different sedimentary lithologies and the soil hydromorphism degree were the main factors related to differences in morphological, physical and chemical characteristics of soils in the PAMR.

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.

Para estudar técnicas de amostragem, úteis ao mapeamento digital de solos (MDS), objetivou-se avaliar o efeito da variação da densidade de pontos amostrais com base em dados de áreas já mapeadas por métodos tradicionais na acurácia dos modelos de árvores de decisão (AD) para a geração de mapas de solos por MDS. Em duas bacias hidrográficas no noroeste do Rio Grande do Sul, usou-se, como referência, antigos mapas convencionais de solos na escala 1:50.000. A partir do modelo digital de elevação do terreno e da rede hidrográfica, foram gerados mapas das variáveis preditoras: elevação, declividade, curvatura, comprimento de fluxo, acúmulo de fluxo, índice de umidade topográfica e distância euclideana de rios. A escolha dos locais dos pontos amostrais foi aleatória e testaram-se densidades amostrais que variaram de 0,1 a 4 pontos/ha. O treinamento dos modelos foi realizado no software Weka, gerando-se modelos preditores usando diferentes tamanhos do nó final da AD para obter AD com tamanhos distintos. Quando não se controlou o tamanho das AD, o aumento da densidade de amostragem resultou no aumento da concordância com os mapas básicos de referências e no aumento do número de unidades de mapeamento preditas. Nas AD com tamanho controlado, o aumento da densidade de amostragem não influenciou a concordância com os mapas de referência e interferiu muito pouco no número de unidades de mapeamento preditas.

In order to study sampling techniques useful for digital soil mapping (DSM), we evaluated the effect of changes in sampling density, based on data from areas already mapped by traditional methods, in regard to the accuracy of decision trees models for generating soil maps using DSM. In two watersheds in northwestern Rio Grande do Sul, Brazil, 1:50,000 scale conventional soils maps were used as reference maps. From the ASTER - GDEM Global Digital Elevation Model and the hydrographic network, maps of predictive variables were generated: elevation, slope, curvature, flow length, flow accumulation, topographic wetness index, and Euclidian distance of the streams. We used random sampling, and tested sampling densities that ranged from 0.1 to 4 points per hectare. Models were trained using Weka software, generating predictive models using different sizes of the final node to obtain decision trees of different sizes. The results indicate that when the size of the decision tree was not controlled, an increase in sampling density resulted in greater overall accuracy in accordance with the basic reference maps and an increase in the number of predicted soil mapping units. When the size of decision trees was controlled, an increase in sampling density did not affect the overall accuracy and had a very slight influence on the number of predicted mapping units.

A produção de mapas pedológicos por meio de técnicas do mapeamento digital de solos (MDS) pode ser dificultada pela falta de mapas pedológicos tradicionais de referência. Nessas situações, o conhecimento tácito do mapeador pode ser usado para o delineamento manual das unidades de mapeamento (UMs) a partir de geração de um mapa de ocorrência de tipos de solos preditos pelo MDS. Os objetivos deste estudo foram avaliar e comparar mapas de solos gerados por dois métodos, um denominado “MDS direto”, em que foi gerado um mapa preditor de UMs com base no modelo estabelecido com informações provenientes de um mapa pedológico convencional de referência preexistente, e outro em que o modelo preditor foi estabelecido a partir do exame de atributos morfológicos de 193 perfis de solo para identificar os tipos de solos, gerando-se um mapa com a indicação de ocorrência de tipos de solos sobre o qual foi realizado o delineamento manual das UMs, com base em mudanças das feições da superfície do solo. As predições foram feitas usando árvores de classificação Simple Cart,correlacionando oito variáveis do terreno com a ocorrência de UMs identificadas com nomes de classes de solos do Sistema Brasileiro de Classificação de Solos. A acurácia dos mapas foi avaliada pela “verdade de campo” (verificação em campo do tipo de solo ocorrente e comparação com o previsto no mapa) e pela concordância dos mapas gerados com o mapa de referência. Quando avaliado pela “verdade de campo”, a acurácia do mapa gerado pelo método MDS direto foi de 74 %, enquanto a acurácia do mapa de MDS com delineamento manual foi de 79 %. Os dois métodos apresentaram resultados satisfatórios; o método que usou o delineamento manual e a identificação em alguns locais dos tipos de solo no campo apresentou a vantagem de não necessitar de mapas pedológicos de referência para o treinamento dos modelos preditores.

The production of soil maps through digital soil mapping (DSM) techniques may be hampered due to the lack of traditional reference soil maps. In these situations, the tacit knowledge of the field soil scientist can be used for manual delineation of soil mapping units (MUs) based on generation of a map of occurrence of soil types predicted by DSM. The objective of this study was to evaluate and to compare soil maps generated by two methods. One method, called “direct DSM”, generates a map predicting soil MUs based on a model established with information from a traditional pedological reference map. The other established a predicting model through examination of morphological properties of 193 soil profiles for identification of soil types, generating a map that indicates the occurrence of soil types performed through manual delineation of MUs (based on changes in land surface features). Predictions were made using Simple Cart classification trees, correlating eight terrain variables with the occurrence of MUs identified by soil class names from the Brazilian Soil Classification System (Sistema Brasileiro de Classificação de Solos). The accuracy of the maps was evaluated based on “field truth” (field verification of the soil type and comparison with that predicted on the map) and by agreement between the prediction maps generated and the reference map. When evaluated by “field truth”, the accuracy of the map generated by the direct DSM method was 74 %, whereas the accuracy of the map generated by DSM with manual delineation was 79 %. Both methods showed satisfactory results, and the method with manual delineation and identification of soil types in some locations in the field had the advantage of not requiring reference soil maps for training prediction models.

Os modelos preditores usados no mapeamento digital de solos (MDS) precisam ser treinados com dados que captem ao máximo a variação dos atributos do terreno e dos solos, a fim de gerar correlações adequadas entre as variáveis ambientais e a ocorrência dos solos. Para avaliar a acurácia desses modelos, tem sido constatado o uso de diferentes métodos de avaliação da acurácia no MDS. Os objetivos deste estudo foram comparar o uso de três esquemas de amostragem para treinar algoritmo de árvore de classificação (CART) e avaliar a capacidade de predição dos modelos gerados por meio de quatro métodos. Foram utilizados os esquemas de amostragem: aleatório simples; proporcional à área de cada unidade de mapeamento de solos (UM); e estratificado pelo número de UM. Os métodos de avaliação testados foram: aparente, divisão percentual, validação cruzada com 10 subconjuntos e reamostragem com sete conjuntos de dados independentes. As acurácias dos modelos estimadas pelos métodos foram comparadas com as acurácias mensuradas obtidas pela comparação dos mapas gerados, a partir de cada esquema de amostragem, com o mapa convencional de solos na escala 1:50.000. Os esquemas de amostragem influenciaram na quantidade de UMs preditas e na acurácia dos modelos e dos mapas gerados. Os esquemas de amostragem proporcional e estratificada resultaram mapas digitais menos acurados, e a acurácia dos modelos variou conforme o método de avaliação empregado. A amostragem aleatória resultou no mapa digital mais acurado e apresentou valores da acurácia semelhantes para todos os métodos de avaliação testados.

The predictive models used in digital soil mapping (DSM) need to be trained with data that most fully capture the variation of terrain and soil properties in order to generate adequate correlations between environmental variables and the occurrence of soil unities. Several methods have been used in DSM to evaluate the accuracy of these models. The aims of this study were to compare the use of three sampling procedures for training a classification and regression tree (CART) algorithm, and evaluate the predictive capacity of the models generated using four methods. The sampling procedures used were: simple random; proportional to the area of each soil mapping unit (MU), and stratified by the number of MUs. The evaluation methods tested were: apparent, percentage division, cross-validation with 10 subsets, and resampling with seven independent data sets. The accuracies of the models estimated by the methods were compared with the measured accuracies. This was achieved by comparing the maps generated, based on each sampling procedure, with the conventional soil map at the scale of 1:50,000. The sampling procedures influenced the number of MUs predicted and the accuracy of the models and of the maps generated. The proportional and stratified sampling procedures resulted in less accurate digital soil maps, and the accuracies of the models varied according to the evaluation method adopted. Random sampling resulted in the most accurate digital soil map and presented accuracy values that were similar for all the evaluation methods tested.

O objetivo deste trabalho foi testar metodologias de mapeamento digital de solos (MDS) e avaliar a possibilidade de extrapolação de mapas entre áreas fisiograficamente semelhantes. A área de referência para o treinamento do modelo localizou-se no Município de Sentinela do Sul, RS, e a extrapolação foi feita para o Município Cerro Grande do Sul, RS. Desenvolveram-se pelo MDS modelos com o uso de variáveis ambientais, como preditoras, e as classes de solos - obtidas de um levantamento convencional na escala 1:50.000 - como variáveis dependentes. Testou-se o uso combinado de dois modelos de árvore de decisão (AD), treinados em duas paisagens com diferentes classes de drenagem. Para Sentinela do Sul, a concordância dos mapas preditos com os produzidos pelo levantamento convencional foi avaliada por matrizes de erro. Como a importância dos erros de mapeamento é variável, criou-se uma matriz ponderada, para atribuir diferentes importâncias aos erros específicos de mapeamento entre as distintas unidades de mapeamento. A acurácia do mapa de Cerro Grande do Sul foi avaliada pela verdade de campo. A extrapolação dos mapas gera resultados satisfatórios, com acurácia maior do que 75%. O uso de modelos com duas AD separadas por paisagens homogêneas gera mapas extrapolados com maior acurácia, avaliada pela verdade de campo.

The objective of this work was to test methodologies for digital soil mapping (DSM) and to evaluate the possibility of map extrapolation between physiographically similar areas. The reference area for model training was located at the municipality of Sentinela do Sul, in the state of Rio Grand do Sul (RS), Brazil, and the extrapolation was done for the municipality of Cerro Grande do Sul, RS. Models were developed by DSM using environmental variables as predictors, and soil classes - obtained from a conventional soil survey at 1:50,000 scale - as dependent variables. The combined use of two decision trees (DT), trained in two landscapes with different drainage classes, was tested. For Sentinela do Sul, the agreement between the predicted maps with the ones produced by conventional survey was evaluated using error matrices. Since the importance of mapping errors is variable, a weighted error matrix was created to assign different importances to specific mapping errors between different mapping units. Map accuracy of Cerro Grande do Sul was evaluated by ground truth. Map extrapolation yields satisfactory results, with accuracy higher than 75%. The use of models with two DTs divided by homogeneous landscapes generates extrapolated maps with a greater accuracy, evaluated by ground truth.

Mapas convencionais de solos têm adquirido importância crescente como entrada para diversas aplicações, muitas vezes sem levar em conta a sua qualidade deles. O objetivo deste estudo foi descrever e comparar mapas de solos usando indicadores quantitativos de fácil determinação. Foram utilizados nove mapas elaborados em diferentes escalas no Rio Grande do Sul e o software ArcGIS. Calcularam-se a escala efetiva, o número de polígonos menores que a área mínima mapeável e um índice de complexidade de forma, e quantificaram-se o número de classes taxonômicas, de tipos de solos e de unidades de mapeamento e a fração da área com dados não uniformes. Os resultados evidenciaram que a qualidade de mapas de solos tende a ser inferior ao presumido para sua escala de apresentação, o que demonstra a importância e a necessidade de avaliações prévias ao seu uso. Indicadores computados a partir dos polígonos e da legenda possibilitam avaliação rápida e objetiva, com potencial de aplicação na sistematização e documentação de dados legados de solos no Brasil.

Conventional soil maps have acquired increasing importance as inputs for various applications, often without regard to their quality. The aim of this study was to assess and compare soil maps using easily determinable quantitative indicators. Nine soil maps (at different scales, from Rio Grande do Sul) and ArcGIS software were used. Effective scale number (NSN), polygons smaller than the minimum legible delineation (MLD), shape complexity index (S), number of taxonomic classes, soil types, mapping units, and proportion of areas with non-uniform data (PND) were computed. Results showed that the quality of legacy soil maps tends to be lower than presumed for their presentation scale, what shows the importance and need for quality assessments prior to using them. Indicators computed from polygons and map legend enable quick and objective assessment, with potential application in systematizing and documenting legacy soil data in Brazil.

Os modelos digitais de elevação (MDEs) são fontes fundamentais para correlacionar a ocorrência e distribuição de solos com a paisagem pelo mapeamento digital de solos (MDS). A influência dos tipos e das resoluções dos MDEs na capacidade de predição dos modelos preditores de classes de solo ainda é pouco estudada. Neste estudo, foram avaliados e comparados os efeitos de diferentes MDEs na predição de ocorrência de unidades de mapeamento de solo (UM). Foram correlacionados 12 atributos do terreno derivados de diferentes MDEs com a ocorrência de UM. Os MDEs utilizados foram os oriundos dos projetos SRTM v4.1, ASTER GDEM v2, TOPODATA e Brasil em Relevo, e os MDEs gerados a partir de curvas de nível na escala de 1:50.000, com resoluções de 30 e 90 m. Os modelos preditores foram treinados por árvore de decisão (Simple Cart) com dados amostrados em 4.280 pontos aleatórios contendo informações dos solos extraídos de um mapa convencional de solos na escala 1:20.000 e 12 atributos do terreno derivados de seis MDEs com tamanhos de pixel de 30 e 90 m. A validação dos modelos preditores de UM foi realizada com a totalidade dos dados da área. Os atributos do terreno que melhor explicaram a ocorrência das UM foram elevação, declividade, comprimento de fluxo e orientação das vertentes. Os MDEs com tamanho de pixel de 30 m geraram correlações solo-paisagem menos acuradas. Os modelos preditores mais acurados e com maior número de UM estimadas foram os gerados a partir dos MDEs com resolução espacial de 90 m (SRTM v4.1 e CN90), sendo esses os MDEs mais indicados para o MDS, quando predominarem relevos plano e suave ondulado.

Digital elevation models (DEM) are fundamental sources for correlating the occurrence and distribution of soils in the landscape by digital soil mapping (DSM). The influence of the types and resolutions of DEMs on the predictive capability of prediction models of soil classes has not been greatly studied. This study evaluated and compared the effects of different DEMs on the prediction of occurrence of soil mapping units (MU). Twelve predictor variables derived from different DEMs were correlated with the occurrence of MU. The DEMs used were those from the SRTM v4.1, ASTER GDEM v2, TOPODATA, and Brasil em Relevo projects, and the DEMs generated from contour lines on the scale of 1:50,000, with resolutions of 30 and 90 m. The predictive models were guided by a decision tree (Simple Cart) with data sampled at 4,280 random points containing information extracted from soils of a conventional soil map at a scale of 1:20,000 and 12 terrain attributes derived from six DEMs with pixel sizes of 30 and 90 m. The validation of MU prediction models was performed with all the data from the area. The terrain attributes that best explained the occurrence of MU were elevation, slope, flow length, and aspect. The DEMs with 30 m pixel size generated less accurate soil-landscape correlations. The most accurate prediction models with a higher number of estimated MU were generated from the DEMs with spatial resolution of 90 m (SRTM v4.1 and CN90). These are the DEMs most suitable for DSM when flat and slightly rolling terrain predominate.

Mudanças no uso e manejo do solo podem alterar o equilíbrio dinâmico do seu sistema e determinar alterações químicas e mineralógicas. Este estudo foi realizado em experimentos de longa duração (10 e 27 anos) e teve por objetivo avaliar o uso do solo com lavoura, sem e com aplicação de cama de aves (PDSC e PDCC), e com pastagem nativa com deposição de dejetos bovinos (PT), sobre atributos químicos e mineralógicos de um Argissolo Vermelho do sul do Brasil, em relação ao mesmo solo sob campo nativo (CN). Nos quatro tratamentos, o solo foi amostrado nas profundidades 0,0-2,5 e 2,5-5,0 cm. Na fração TFSA (∅ < 2 mm), foram avaliadas as características químicas das fases sólida e líquida e a área superficial específica (ASE). A fração argila (∅ < 0,002 mm) na camada 0,0-2,5 cm do solo foi analisada por difração de raios-X (DRX), após tratamentos para identificação e caracterização dos argilominerais 2:1. A adição de dejetos animais aumentou o teor de C orgânico total (COT) e a área superficial específica (ASE) do solo, na camada de 0,0-2,5 cm. Em comparação ao CN, a adição de cama de aves (PDCC) aumentou os teores de Ca e CTCpH7, enquanto a deposição de dejetos bovinos (PT) incrementou os teores de P e K. Na solução do solo, os teores de C orgânico dissolvido evidenciaram relação positiva com os teores de COT. Com relação ao CN, o uso do solo com lavoura (PDSC e PDCC) praticamente não alterou os elementos químicos em solução. Já com uso de PT, aumentaram-se os teores da maioria dos elementos químicos em solução, com destaque para os teores de Fe, Al e Si. Ainda no PT, diminuíram-se os teores de Fe e Al relativos aos óxidos de Fe pedogênicos, indicando dissolução redutiva/complexativa de formas cristalinas. Na análise por DRX na argila, o PT evidenciou diminuição da intensidade e área das reflexões relativas aos argilominerais 2:1, fato que associado à maior atividade do Al e Si na solução do solo sugere a dissolução de argilominerais no solo sob pastagem com deposição de dejetos bovinos.

Changes in land use and management can affect the dynamic equilibrium of soil systems and induce chemical and mineralogical alterations. This study was based on two long-term experiments (10 and 27 years) to evaluate soil used for no-tillage maize cultivation, with and without poultry litter application (NTPL and NTM), and with grazed native pasture fertilized with cattle droppings (GrP), on the chemical and mineralogical characteristics of a Rhodic Paleudult in Southern Brazil, in comparison with the same soil under native grassland (NGr). In the four treatments, soil was sampled from the 0.0-2.5 and 2.5-5.0 cm layers. In the air-dried fine soil (ADFS) fraction (∅ < 2 mm), chemical characteristics of solid and liquid phases and the specific surface area (SSA) were evaluated. The clay fraction (∅ < 0.002 mm) in the 0.0-2.5 cm layer was analyzed by X-ray diffraction (XRD) after treatments for identification and characterization of 2:1 clay minerals. Animal waste application increased the total organic C concentration (COT) and specific surface area (SSA) in the 0.0-2.5 cm layer. In comparison to NGr, poultry litter application (NTPL) increased the concentrations of Ca and CECpH7, while cattle droppings (GrP) increased the P and K concentrations. In the soil solution, the concentration of dissolved organic C was positively related with COT levels. With regard to NGr, the soil use with crops (NTM and NTPL) had practically no effect on the chemical elements in solution. On the other hand, the concentrations of most chemical elements in solution were higher in GrP, especially of Fe, Al and Si. The Fe and Al concentrations in the soil iron oxides were lower, indicating reductive/complexive dissolution of crystalline forms. The X-ray diffraction (XRD) patterns of clay in the GrP environment showed a decrease in intensity and reflection area of the 2:1 clay minerals. This fact, along with the intensified Al and Si activity in soil solution indicate dissolution of clay minerals in soil under cattle-grazed pasture fertilized with animal droppings.