PEDOMETRIA APLICADA AO MAPEAMENTO DE SOLOS NO DELTA DO PARNAÍBA, PIAUÍ

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.