Predição do fator erodibilidade do solo por meio de regressão krigagem

• Autor(a) principal: Penachio, Sara Maciel [UNESP]
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/214398
• topic: Geoprocessamento; Geoestatística; Fator K; Conservação de solos; Geoprocessing; Geostatistics; K factor; Soil conservation

O desafio do homem em combater a erosão é tão antigo quanto a agricultura. A erodibilidade do solo (fator K) representa a fragilidade do mesmo sob ação da chuva e escoamento superficial, não sendo uma variável de simples mensuração, pois inclui todas as características do solo (tanto estáticas quanto dinâmicas) que controlam uma amplitude de sub processos, os quais afetam sua suscetibilidade à erosão. Este trabalho objetiva avaliar a qualidade da predição de erodibilidade do solo por meio da Regressão Krigagem (RK). A área de estudo compreende a Fazenda Experimental Edgárdia, que possui uma área de aproximadamente 1200 hectares localizados no Município de Botucatu – SP, da qual os atributos de solo para obtenção dos valores de referência de erodibilidade, foram obtidos de maneira direta ou indireta do Levantamento Semidetalhado dos Solos. Como fatores relacionados aos processos de formação e atributos do solo, foram testadas como covariáveis para a predição da erodibilidade do solo variáveis do relevo e índices espectrais obtidos a partir de imagens do satélite Landsat 5. O geoprocessamento possibilita uma gama de aplicações matemáticas para a organização, interpretação e representação gráfica de dados e a geoestatística trata de problemas referentes às variáveis regionalizadas com aparente continuidade no espaço. A análise geoestatística foi utilizada numa aplicação de metodologias sequenciais para predição, de modo que, por meio de variogramas e validações, foi possível determinar o grau de incerteza da predição da erodibilidade do solo. A hipótese de que o método de predição “Regressão Krigagem” tem melhor estimativa estatística (baixa incerteza do modelo), foi confirmada, uma vez que houve uma redução, ainda que pequena, do RMSE da Regressão Krigagem em relação a Krigagem Ordinária (KO), embora a distribuição espacial do conjunto amostral possa ter prejudicado o modelo determinístico em função de um possível agrupamento não geográfico.