Classificação e mapeamento preditivos do solo na região de Volta Grande do Rio Uruguai – SC/RS

• Autor(a) principal: Sandra Cristina Deodoro
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/34379; https://orcid.org/0000-0002-6141-7577
• topic: Solo; Granulometria; Modelagem estatística; Assinatura espectral; Modelagem de dados – Aspectos ambientais; Solos – Uruguai, Rio, Bacia; Materiais granulados; Modelagem gráfica (Estatística)

O solo é um recurso natural que pode ser analisado a partir de suas funções antrópicas e (geo)ecossistêmicas. O conhecimento da granulometria do solo (proporção das frações granulométricas) faz-se importante sob estes contextos, principalmente das camadas superficiais as quais são as primeiras a serem erodidas. Além disso, a granulometria constitui importante característica devido à sua relação com outras propriedades do solo tais como estrutura, porosidade, permeabilidade, fertilidade, química e conteúdo de umidade. Há uma crescente necessidade por informações espacialmente contínuas e quantitativas de solo para modelagem e gestão ambiental, em diferentes escalas cartográficas. A falta de amostragem de dados é geralmente compensada por resultados de predição e modelagem cujos procedimentos, conhecidos como mapeamento preditivo de solo, são especialmente desenvolvidos para estimar distribuição espacial de variáveis do solo. Mapeamento digital de solo constitui-se uma abordagem útil para predição espacial de atributos do solo. Tal abordagem envolve uma relação entre o solo e as variáveis ambientais, baseada em modelos estatísticos e geoestatísticos, para criar mapa preditivo ou derivar valores de propriedades de solo em locais sem medição a partir de dados coletados de campo. A presente dissertação tem como objetivo a elaboração de um mapa da granulometria superficial do solo (topsoil) na bacia do Rio Uruguai (divisa entre os Estados de Santa Catarina e Rio Grande do Sul), no trecho conhecido como Volta Grande, por meio de dados espectrais de solo coletados do sensor MSI do satélite Sentinel-2, dados de campo (amostragem granulométrica), modelagem estatística preditiva (Análise Discriminante) e interpolação ponderada pelo inverso da distância (IDW). Os resultados mostraram que a granulometria do solo foi classificada a uma acurácia de 71% conforme Índice de Kappa, com predomínio de argila. Apoiados em dados morfométricos e no Índice MRVBF – Multiresolution Index of Valley Bottom Flatness –, derivados do MDE SRTM GL1 (12,5 m), a maior parte da área foi representada por colúvios argilosos, coerentemente com as observações de campo e com os extensos segmentos declivosos de vertente amplamente distribuídos. Concluiu-se que a ocorrência de colúvio-aluvio às margens do Rio Uruguai, nas áreas de planície, indica contribuição das vertentes na dinâmica pedogeomorfológica da área de estudo e não somente dinâmica fluvial. Com base nos resultados, a metodologia aplicada neste trabalho demonstrou que produtos e técnicas de sensoriamento remoto, aliados à modelagem estatística, possuem potencial utilidade como conhecimentos e técnicas auxiliares para obtenção, análise e mapeamento de atributos do solo, como a granulometria. A dissertação é original e envolve conceitos interdisciplinares de sensoriamento remoto e pedogeomorfomogia, integrados por modelagem estatística e sistema de informação geográfica. Como implicação prática, apresenta o solo como recurso natural importante para análise ambiental. Por utilizar dados de um sensor relativamente recente (2015), quando comparado com outros como o Landsat, apresenta as potencialidades e limitações deste instrumento para aplicações em modelagem inferencial dos atributos do solo.