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: Users of soil survey products are mostly interested in understanding how soil properties vary in space and time. The aim of digital soil mapping (DSM) is to represent the spatial variability of soil properties quantitatively to support decision-making. The goal of this study is to evaluate DSM techniques (Regression Trees - RT and Multiple Linear Regressions - MLR) and the ability of these tools to predict mineral fraction content under a wide variability of landscapes. The study site was the entire Guapi-Macacu watershed (1,250.78 km2) in the state of Rio de Janeiro in the Southeast region of Brazil. Terrain attributes and remote sensing data (with 30 m of spatial resolution) were used to represent landscape co-variables selected as an input in predictive models in order to develop the explanatory variables. The selection of sampling sites was based on the Latin Hypercube algorithm. A representative set of one hundred points with feasible field access was chosen. Different input databases were tested for prediction of mineral fraction content (harmonized and original data). The Spline algorithm was used to harmonize data according to the GlobalSoil. Net consortium standards. The results showed better performance from the RT models, using input from an average of six covariates; the simplest MLR model used twice as many input variables, creating more complex models without gaining precision. Furthermore, better R2 values were obtained using RT models, irrespective of harmonization of soil data. The harmonized dataset from the 0.00-0.05 and 0.05-0.15 m layers, in general, presented better results for the clay and silt, with R2 values of 0.52 (0.00-0.05 m) and 0.69 (0.05-0.15 m), respectively. Prediction of sand content showed better results when the original depth data was used as an input, although all regression tree models had R2 values greater than 0.52. The RT models provided a better statistical index than MLR for all predicted properties; however, the variance between models suggests similarity of performance. Regarding harmonization of soil data, both input databases (harmonized or not) can be used to predict soil properties, since the variance of model performance was low and generalization of the soil maps showed similar trends. The products obtained from the digital soil mapping approach make it possible to integrate the factor of uncertainties, providing easier interpretation for soil management and land use decisions.

ABSTRACT: The pattern of variation in soil and landform properties in relation to environmental covariates are closely related to soil type distribution. The aim of this study was to apply digital soil mapping techniques to analysis of the pattern of soil property variation in relation to environmental covariates under periglacial conditions at Keller Peninsula, Maritime Antarctica. We considered the hypothesis that covariates normally used for environmental correlation elsewhere can be adequately employed in periglacial areas in Maritime Antarctica. For that purpose, 138 soil samples from 47 soil sites were collected for analysis of soil chemical and physical properties. We tested the correlation between soil properties (clay, potassium, sand, organic carbon, and pH) and environmental covariates. The environmental covariates selected were correlated with soil properties according to the terrain attributes of the digital elevation model (DEM). The models evaluated were linear regression, ordinary kriging, and regression kriging. The best performance was obtained using normalized height as a covariate, with an R2 of 0.59 for sand. In contrast, the lowest R2 of 0.15 was obtained for organic carbon, also using the regression kriging method. Overall, results indicate that, despite the predominant periglacial conditions, the environmental covariates normally used for digital terrain mapping of soil properties worldwide can be successfully employed for understanding the main variations in soil properties and soil-forming factors in this region.

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.

As propriedades dos solos têm grande impacto sobre aspectos econômicos e ambientais da produção agropecuária. As relações quantitativas entre as propriedades dos solos e os fatores que condicionam sua variabilidade são a base do mapeamento digital de solos. Os modelos preditivos de propriedades dos solos avaliados neste trabalho são os estatísticos (Regressão Linear Múltipla-RLM) e geoestatísticos (krigagem ordinária e cokrigagem). Este estudo foi desenvolvido para o município de Bom Jardim, RJ, e usou um banco de dados de solos com 208 pontos amostrais. Foram avaliados modelos preditivos para as frações areia, silte e argila, pH em água e carbono orgânico para seis profundidades, de acordo com as especificações do consórcio de mapeamento digital de solos em nível global (GlobalSoilMap). Utilizaram-se covariáveis preditoras contínuas e categóricas, estas últimas para avaliar suas contribuições ao modelo. Apenas as covariáveis ambientais elevação, aspecto, índice de potência de fluxo (SPI), índice de umidade (SWI), índice de vegetação por diferença normalizada (NDVI) e relação entre bandas b3/b2 apresentaram correlação significativa com as propriedades do solo. Os modelos preditivos tiveram em média coeficiente de determinação de 0,21. Os modelos preditivos que apresentaram os melhores resultados foram os geoestatísticos, com o maior coeficiente de determinação 0,43 associado à propriedade areia entre 60 e 100 cm de profundidade. A utilização de conjunto de dados de solos esparsos para mapeamento digital de propriedades de solos pode explicar apenas uma parte da variação espacial dessas propriedades. Os resultados podem estar relacionados à densidade de amostragem, à quantidade e qualidade das covariáveis ambientais usadas e aos modelos preditivos utilizados.

Soil properties have an enormous impact on economic and environmental aspects of agricultural production. Quantitative relationships between soil properties and the factors that influence their variability are the basis of digital soil mapping. The predictive models of soil properties evaluated in this work are statistical (multiple linear regression-MLR) and geostatistical (ordinary kriging and co-kriging). The study was conducted in the municipality of Bom Jardim, RJ, using a soil database with 208 sampling points. Predictive models were evaluated for sand, silt and clay fractions, pH in water and organic carbon at six depths according to the specifications of the consortium of digital soil mapping at the global level (GlobalSoilMap). Continuous covariates and categorical predictors were used and their contributions to the model assessed. Only the environmental covariates elevation, aspect, stream power index (SPI), soil wetness index (SWI), normalized difference vegetation index (NDVI), and b3/b2 band ratio were significantly correlated with soil properties. The predictive models had a mean coefficient of determination of 0.21. Best results were obtained with the geostatistical predictive models, where the highest coefficient of determination 0.43 was associated with sand properties between 60 to 100 cm deep. The use of a sparse data set of soil properties for digital mapping can explain only part of the spatial variation of these properties. The results may be related to the sampling density and the quantity and quality of the environmental covariates and predictive models used.

A topografia do terreno controla muitos processos hidrológicos, geomorfológicos e pedológicos, influenciando a radiação solar, precipitação pluvial, escoamento superficial, evaporação, regime de umidade do solo e tipo de vegetação, entre outros. Desta maneira, atributos topográficos derivados de um modelo digital de elevação foram utilizados para explicar a diferenciação de solos com horizonte B textural da região de ''Mar de Morros'', no noroeste do Estado do Rio de Janeiro. Foram estudados oito perfis de solo (quatro Argissolos Vermelhos e quatro Argissolos Vermelho-Amarelos), desenvolvidos de granulitos noríticos nos municípios de São José de Ubá e Itaperuna. Os dados dos atributos topográficos em cada perfil de solo (elevação, declividade, aspecto, plano e perfil de curvatura, radiação solar e índice topográfico combinado) foram extraídos, utilizando-se uma janela de 7 x 7 pixels, com os perfis ocupando o centro dessa janela. Os Argissolos que ocorrem nas encostas noroeste e nordeste recebem maior quantidade de radiação solar (mais quentes e secas) e por isto são vermelhos, eutróficos e não apresentam horizonte B latossólico, enquanto os solos das encostas sudeste (relativamente mais frias e úmidas) são vermelho-amarelados, distróficos e com horizonte B latossólico. A radiação solar, a declividade e o aspecto são os atributos topográficos relacionados com as diferenças entre os perfis de solos estudados. Os atributos topográficos analisados pelas técnicas multivariadas apresentaram-se efetivos para a distinção entre os Argissolos Vermelho-Amarelos distróficos e os Argissolos Vermelhos eutróficos, exceto o P7 (PVe). Estudos relacionando a influência da radiação solar na pedogênese são escassos em condições tropicais e, embora menos atuante em regiões tropicais, foi a radiação solar que determinou diretamente a diferenciação dos solos da área estudada.

The topographic conditions controls many hydrological, geomorphological and pedological processes, affectting the solar radiation, pluvial precipitation, superficial water flow, evaporation, soil moisture and vegetation types, among others. Topographic properties derived from a digital elevation model were used to explain the differentiation between soils with an argillic horizon in the region of ''Mar de Morros'' in the northwestern State of Rio de Janeiro. Eight soil profiles (four Red Argisols and four Red-Yellow Argisols) developed from noritic granulites, in the municipalities of São José de Ubá and Itaperuna, were studied. The topographic data of each soil profile (elevation, slope, aspect, curvature plan and profile, solar radiation and combined topographic index) were extracted using a 7 x 7 pixel window, with the profiles in the center. Argisols on slopes facing northwest and northeast receive most solar radiation (warmer and drier) and for this reason are red, eutrophic and have no oxic horizon, whereas soils on slopes facing southeast (relatively cold and wet) are yellowish-red, dystrophic and have an oxic horizon. The solar radiation, slope and aspect are the topographic attributes that differ between the soils profiles. The topographic properties analyzed by multivariate techniques were effective to distinguish eutrophic Red Argisols from dystrophic Red-Yellow Argisols, except for P7 (PVe). Studies on the influence of solar radiation on pedogenesis under tropical conditions are scarce, and although less active in tropical regions directly determined the soil differentiation of the studied area.

A faixa atlântica brasileira possui extrema diversidade ambiental, onde é expressiva a ocorrência de Argissolos, descritos e identifcados em diversos estudos, sem que tenham sido exauridas as possibilidades de interpretações. O objetivo deste estudo foi avaliar, por meio da análise multivariada, as principais diferenças nos atributos físicos e químicos de Argissolos da faixa atlântica brasileira. Foram analisados 91 perfis de solos oriundos de levantamentos pedológicos realizados pelo Projeto RADAMBRASIL, agrupados em três domínios geomorfológicos distintos: Planaltos Soerguidos, Planaltos Rebaixados e Tabuleiros Costeiros, por meio da análise de componentes principais e análise de função discriminante. Para isso, foram selecionadas 14 variáveis para identificar as peculiaridades de cada grupo geomorfológico e suas principais diferenças. A análise dos componentes principais demonstrou que os cinco primeiros componentes respondem por aproximadamente 70 % da variação dos dados. A análise integrada confirmou que os Argissolos dos Planaltos Soerguidos são mais rasos, associando maiores taxas de erosão com menor espessura dos horizontes Bt, e são quimicamente pobres, embora mais rejuvenescidos e rasos. Já os Argissolos nos Planaltos Rebaixados, submetidos a um clima mais seco e, ou, sazonal que os situados nos Planaltos Soerguidos e Tabuleiros Costeiros, mostram-se menos intemperizados e com maior CTC. As análises realizadas (componentes principais e análise discriminante) permitem melhor entender as relações geomorfopedológicas dos Argissolos nos diferentes domínios estudados.

The Brazilian Atlantic coast have has extreme environmental diversity, where is expressive the occurrence of Argisols, described and identified in several studies, that do not have exhausted the possibilities of interpretations. The objective of this study was to evaluate the main differences in the physical and chemical properties of Argisols of the Brazilian Atlantic coast by multivariate analysis, allowing inferences on their genesis and fertility. For this purpose, 91 soil profiles from the soil survey reports of the Project RADAMBRASIL were analyzed, and grouped into three distinct geomorphologic domains: Lower dissected plateaus - PR, High dissected plateaus - PS and Coastal tablelands - TC. These profiles were analyzed by principal components and discriminate functions. Fourteen variables were selected to identify peculiarities of each geomorphologic group and the main differences. The principal component analysis showed that the first five components account for approximately 70 % of the data variation. The integrated analysis indicated that the Argisols of the high dissected plateaus are generally shallower and that the highest erosion rates are associated with the thinnest Bt horizons. But although younger and flatter, they are chemically poor. On the other hand, the Argisols in the lower dissected plateaus, in drier and/or more seasonal climates, are less weathered and have a higher CEC. The analyses (principal component and discriminate function analysis) allowed a better understanding of the pedogeomorphological relations of the Argisols in the different domains studied.

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.