dc.description.abstract |
RESUMO:As planícies localizadas nas regiões litorâneas são importantes criadouros de espécies vegetais e
animais, mas também são ambientes de transição entre o marinho e o continental, e por tal aspecto
apresentam grande fragilidade. O litoral do Piauí apresenta grande diversidade de ecossistemas frágeis
e materiais pouco consolidados, onde diversos processos erosivos e de deposição atuam sobre ele,
caracterizando um ambiente altamente dinâmico. No Delta do Rio Parnaíba, as planícies vegetadas são
importante fonte de renda para comunidades de pescadores, catadores de caranguejo e profissionais
que trabalham com o turismo, tendo em vista seu grande valor paisagístico e turístico. Os fatores
apontados acima justificam o mapeamento dos solos, visando sua conservação e monitoramento. A
execução de mapeamentos de solo é uma demanda permanente, no entanto, seu método de elaboração
tradicional não permite rápidas execuções e baixo custo. O mapeamento digital pretende otimizar o
processo ao trabalhar com modelos que tratam a variabilidade espacial dos solos quantitativamente.
Nessa perspectiva, o objetivo geral da pesquisa é avaliar a resposta de produtos geomorfométricos e
espectrais, por meio de diferentes técnicas de integração, para o mapeamento das classes de solo na
área do Delta do Parnaíba. Como objetivos específicos buscou-se: i ) Gerar atributos e/ou variáveis
preditivas para o Mapeamento Digital de Solos (MDS) da área; ii) Verificar quais atributos utilizados
possui maior confiabilidade para discriminar e predizer as classes de solo da área de estudo; iii)
Elaborar mapas digitais de solos para a área do Delta do Parnaíba – PI a partir da Pedometria; iv)
Comparar os mapas obtidos por Mapeamento Digital de Solos com o produzido pelo método
tradicional; v) Avaliar a acurácia dos mapas gerados por Pedometria a partir de metodologias
selecionadas. Metodologicamente, o trabalho foi dividido em quatro grupos de atividades: 1) trabalho
de campo na área de estudo para coleta das amostras de solos, 2) análise, em laboratório, dos atributos
físicos e químicos dos perfis de solo coletados, para fins de caracterização e classificação, 3) geração
de variáveis preditivas para o MDS da área, e 4) MDS do Delta do Parnaíba a partir dos modelos
selecionados e avaliação da qualidade dos mapas. Foram elaboradas matrizes de dados considerando
diferentes combinações de variáveis e níveis taxonômicos. Verificou-se o desempenho do algoritmo
de aprendizado de máquina J48 (árvores de decisão) para um conjunto composto por 12 matrizes de
dados, com a finalidade de identificar aquelas que apresentaram o melhor nível de acurácia. A partir
da definição do modelo foram gerados os mapas pedológicos digitais e validado por meio de matriz de
erros cujos pontos de referência foram classificados em campo, além de validação através do mapa
pedológico convencional pré-existente. As matrizes em que foram utilizadas todas as variáveis
preditivas obtiveram maior acurácia tanto para o modelo, quanto para o mapa, sustentando o uso
conjunto completo de atributos do relevo e índices derivados de sensor remoto orbital. Dentre os
resultados ressalta-se que de acordo com os coeficientes de validação aplicados (Exatidão Global -
EG, índice Kappa - K, exatidão do usuário e produtor) o mapa gerado com legenda baseada em
associações da paisagem, expresso pela matriz 12, foi o que apresentou os melhores resultados,
alcançando 72,64% de EG e K=0,61, sendo considerado bom dentro dos critérios de avaliação
adotados. Portanto, obtiveram-se resultados satisfatórios, enfatizando que, para a área, as variáveis
derivadas de bandas espectrais de sensores orbitais são essenciais para o entendimento da distribuição dos solos na paisagem além de mostrarem-se mais efetivas para a classificação.
ABSTRACT:The coastal plains are important breeding places for plant and animal species, but also are transitional
environments between the marine and the continental, and because of this present great fragility. The
Piaui coast presents a great diversity of fragile ecosystems and little consolidated materials, where
several erosive and depositional processes act on it, characterizing a highly dynamic environment. In
the Parnaíba River Delta, the vegetated plains are an important source of income for communities of
fishermen, crab pickers and tourism professionals, given their great scenic and tourist value. This
factors justify the mapping of soils, aiming at their conservation and monitoring. The execution of soil
mapping is a permanent demand, however, its traditional elaboration method does not allow a fast
execution neither low cost. Digital mapping intends to optimize the process using models that
quantitativelly treat the spatial variability of the soils. In this perspective, the general objective of the
research is to evaluate the response of geomorphometric and spectral products, using different
integration techniques, to map soil classes in the Parnaíba Delta area. The specific objectives are: i)
Generate parameters and/or predictive variables for the Digital Soil Mapping of the area; ii) Verify
which attributes are most reliable to discriminate and predict the soil classes of the study area; iii)
elaborate digital maps of soils for the area of the Delta of the Parnaíba - PI through the pedometric
methods selected; iv) Confront the maps obtained by Digital Soil Mapping with that produced by the
conventional method; v) To evaluate the accuracy of the maps generated by Pedometrics from selected
methodologies. Methodologically, the work was divided in four groups of activities: 1) field work in
the study area for collecting the soil samples, 2) laboratory analysis of the physical and chemical
attributes of the collected soil profiles, for characterization and classification 3) generation of
predictive variables for the DSM of the area, and 4) DSM of the Parnaíba Delta through the selected
models and evaluation of the maps quality. Data matrices were elaborated considering different
combinations of variables and taxonomic levels. The performance of machine learning algorithm J48
(Decision trees) for a set composed by 12 data matrices was verified, in order to identify those that
presented the best level of accuracy. Through the definition of the model the digital pedological maps
were generated and validated through an error matrix whose reference points were classified in the
field, in addition to validation through the pre-existing conventional pedological map. The matrices in
which all the predictive variables were used obtained greater accuracy for the predictive model and the
map, endorsing the full set use of relief attributes and orbital sensor derived indices. Among the
results, according to the validation coefficients applied (Global Accuracy - GA, Kappa statistics - K ,
Error Matrix and accuracy from the producer’s and the user’s standpoints.), the map generated with
legend based on landscape associations, expressed by matrix 12, was the which presented the best
results, reaching 72.64% of GA and K = 0.61, being considered good according the evaluation criteria
adopted. Therefore, satisfactory results were obtained, emphasizing that for the area, the variables
derived from spectral bands of orbital sensors are essential for understanding the distribution of the
soils in the landscape, in addition to being more effective for classification. |
pt_BR |