mapa digital de solos: uma proposta metodológica usando ... · palavras-chave: sistema de ... para...

Revista Brasileira deEngenharia Agrícola e Ambientalv.13, n.1, p.46–55, 2009Campina Grande, PB, UAEA/UFCG – http://www.agriambi.com.brProtocolo 023.07 – 01/03/2007 • Aprovado em 15/05/2008

Digita rence

1 DepartamenE-mail: ccse

2 Departamen3 Departamen

Mapa digital de solos: Uma proposta metodológicausando inferência fuzzy

Claudia C. Nolasco-Carvalho1, Washington Franca-Rocha2 & José M. Ucha3

RESUMO

Elaborou-se um mapa digital de solos de uma área na região de Mucugê, BA, com o objetivo de avaliar o uso de geotec-nologias na cartografia de solos. A metodologia desenvolvida a partir do modelo de inferência para solos – SoLIM ,requer o conhecimento prévio da área por um especialista em mapeamento e está alicerçada na equação dos fatores deformação do solo e no modelo de distribuição dos solos na paisagem. Os dados, advindos do Modelo Digital do Terreno– MDT, da vegetação e da geologia, foram associados ao conhecimento do pedólogo e integrados em ambiente SIG(Sistema de Informações Geográficas) sob inferência fuzzy. A modelagem por lógica fuzzy permitiu apontar as incerte-zas e transições da cobertura pedológica e gerou um mapa digital de solo que, quando comparado com o mapa conven-cional da área, mostrou menor generalização no domínio de espaços e parâmetros, ou seja, um refinamento da escala,porém a aplicabilidade da metodologia depende da validação de campo e da repetição em outras áreas.

Palavras-chave: sistema de informação geográfica, geotecnologias, mapeamento

l soil map: A methodological proposal using fuzzy infe

ABSTRACT

A digital soil map was elaborated for an area in the region of Mucugê-BA using data integration derived from a digitalelevation model (DEM) of the vegetation and geology that was associated with a soil scientist’s knowledge and correlatedin a GIS environment (Geography Information System) under fuzzy inference, as a methodological proposal. Themethodology was developed and based on the soil-land inference model – SoLIM, on the soil factor equation and thesoil-landscape model. The fuzzy logic is able to simulate the uncertainty and transitions that often appear in pedologicsystems. The results show that the methodology allows the generation of digital soil maps with increased scale and toreduce soil classe generalizations in the space and parameter domain. However, this methodology is very dependentupon the soil expert’s knowledge and accuracy of the data base. To verify the applicability of the methodology therepetition of the study is recommended in other areas and the validation done through field work.

Key words: geography information system, geotechnology – GIS, mapping

to de Zootecnia/Escola Superior do Sertão, Br-316, 87.5km, Bairro São Vicente, CEP 57500-000, Santana do Ipanema, AL. Fone: (82) [email protected] de Ciências Exatas/UEFS, Br-116, 3 km. Campus Universitário, CEP 44030-460, Feira de Santana, BA. Fone: (75) 3224-8294. E-mail: [email protected] de Ciências Aplicadas/CEFET-BA, Rua Emídio dos Santos, Barbalho, CEP 40301-015. Salvador, BA. Fone: (71) 2101-9463. E-mail: [email protected]

47

Figura 1. Localização geográfica da área de estudo

Mapa digital de solos: Uma proposta metodológica usando inferência fuzzy

INTRODUÇÃO

A cartografia de solos é imprescindível à conservação eao gerenciamento dos recursos naturais; sua execução requero conhecimento pedológico, a compilação de dados ambien-tais (clima, geologia, vegetação e relevo) e a análise e inter-pretação de imagens. Na fase inicial há confecção de ummapa preliminar com delineamento de unidades a partir defotointerpretação e da sobreposição de dados ambientais,associados com base no conhecimento e experiência própriado especialista em levantamento de solos. A este mapa sãoagregadas informações obtidas após sucessivas investigaçõesde campo que, por interação sistemática, possibilitam aopedólogo capturar as relações entre os solos e as diferentesfeições da paisagem, estabelecer a distribuição espacial e oslimites entre unidades no mapa final.

A precisão e a eficácia desses levantamentos, entretanto,dependem da habilidade do pedólogo, que é limitada por doisprincipais fatores: pela técnica de cartografia baseada empolígonos e pelo processo manual de produção do mapa desolo (Zhu et al., 2001; Zhu, 1999; Zhu et al., 1997).

Com o advento da informática, o uso de geotecnologi-as, do SIG (sistema de informações geográficas) e de da-dos de MDT (modelos digital do terreno), vem crescendoe sugerindo novos caminhos e modelos que possibilitamo tratamento de grande quantidade de dados e informa-ções indispensáveis aos mapeamentos realizados em ciên-cia do solo.

Objetivando avaliar o uso de geotecnologias enquantoinstrumento que agiliza a cartografia de solos, gerou-se omapa digital de solos de uma área na região de Mucugê,Estado da Bahia, na escala 1: 100.000, a partir da integra-ção de dados advindos do Modelo Digital do Terreno – MDT,da vegetação e da geologia, que foram associados ao conhe-cimento de pedólogos e correlacionados em ambiente SIG sobinferência fuzzy.

MATERIAL E MÉTODOS

Localização e caracterização da área de estudoA área selecionada para estudo está inserida na Região

da Chapada Diamantina, no estado da Bahia, mais especifi-camente no município de Mucugê, limitada geograficamen-te pelas coordenadas 13° 00’ – 13° 15’ S e 41° 30’ –41° 20’ W (Figura 1).

Inserida no planalto da Serra do Sincorá, a parte oeste daárea compreende, geomorfologicamente, uma superfícieaplainada com altitudes entre 1000 e 1200 m. O relevo pre-dominante é plano a suave ondulado, porém seccionado porvales escavados nas fraturas. Na parte leste, a Serra do Sin-corá impõe uma brusca modificação da paisagem que apre-senta feição montanhosa e altitudes entre 1600 a 1800 m(CPRM, 1994).

Prevalecem os Campos Gerais sobre superfícies de ero-são e pediplanação geologicamente constituídas por rochasda Formação Tombador (arenitos, argilitos e conglomerados),do Grupo Paraguaçu (argilitos, siltitos e arenitos) e por co-

berturas residuais derivadas dos sedimentos do Grupo Para-guaçu. Essas coberturas dominam a parte ocidental da áreae são essencialmente arenosas ou areno-argilosas. A oeste deMucugê e ao longo do rio Paraguaçu, essas superfícies aplai-nadas se encontram laterizadas (Bigarella at al., 1994;CPRM, 1990).

O clima da região é tropical sub-quente a sub-úmido. Apluviosidade e a temperatura média anual estão entre 800-1200 mm e 20 a 24 °C, respectivamente, com variações de-correntes das diferenças altimétricas. O excedente hídrico éde 100 e 300 mm (SEI, 1998).

A vegetação primária remanescente apresenta-se sob aforma de mosaicos irregulares com variações fisionômicasbruscas em seu domínio, associadas às diferentes épocas eintensidade das intervenções antrópicas. Destacam-se na área:Savana Gramíneo-Lenhosa, Savana Parque e Savana Arbó-rea Aberta, o Refúgio Ecológico Montano e a Floresta Esta-cional Decidual Montana. Na parte central da área há do-mínio de vegetação de transição entre a Savana e a Floresta(Brasil, 1976; FIBGE, 1988).

Base de dadosA metodologia requer o conhecimento prévio da área de

estudo pelo especialista em cartografia de solos condição que,aliada à existência de informações auxiliares (dados sobrefatores de formação do solo), constituiu os critérios para aseleção da área de estudo. O método proposto está sintetiza-do no diagrama da Figura 2, que mostra o uso de novas tec-nologias alicerçadas na equação dos fatores de formação dosolo (Jenny, 1961), e no modelo de distribuição dos solos napaisagem (Hudson, 1992).

A base cartográfica constou de: i) MDT advindos do sen-sor SRTM (Shuttle Radar Topography Mission); ii) Mapastemáticos na escala 1:100.00 de Geologia (CPRM, 1990); iii)Vegetação (FIBGE, 1988) e iv) Mapa de solo (FIBGE, 1988).

Utilizou-se para o processamento das informações emambiente SIG, os aplicativos ArcGis 8.3 (ESRI, 1999a) coma extensão Spatial Analyst (ESRI, 1999b) e ARCSDM 2 –Spatial Data Modeller 2 Extension para ArcMap 8.3(Sawatzky et al., 2004).

A metodologia preconiza a validação final do mapa digi-tal em campo, porém neste trabalho o mapa convencional

R. Bras. Eng. Agríc. Ambiental, v.13, n.1, p.46–55, 2009.

48

Figura 2. Fluxograma metodológico

Figura 3. Mapa de altitude da região de Mucugê

Escala: 1:100.000

km2 0 2 4 6

85

36

85

42

85

48

85

54

85

60

2310 2350 2390 2430

Classes dealtitude (m)

916 - 950

951 - 1.000

1.001 - 1.050

1.051 - 1.100

1.101 - 1.150

1.151 - 1.200

1.201 - 1.250

1.251 - 1.300

1.301 - 1.400

1.401 - 1.647

Fonte: extraído de MDT SRTM / S14 Datum Córrego Alegre 24S

Claudia C. Nolasco-Carvalho et al.

do FIBGE (1988) foi utilizado como “verdade de campo”para comparação dos resultados obtidos. Os dados analógi-cos de geologia e vegetação, necessários à construção dobanco de dados digital da área, foram capturados por esca-nerização, registrados, vetorizados e transformados em ma-pas raster com reamostragem para pixel de 30 m. Visandocompatibilizar a base cartográfica e o mapa de solo usadopara fins comparativos, adotou-se o sistema de projeção planaUniversal Transversa de Mercator (UTM) e o Datum Córre-go Alegre.

As informações sobre o relevo, um dos principais fatoresde formação do solo, foram geradas através do Modelo Di-gital do Terreno (MDT), sendo dele derivados os mapas dedeclividade (Figura 3) e de altitude (Figura 4).

Sistematização e integração das informações sob inferênciafuzzy

O pedólogo, ao efetuar um levantamento de solos relaci-ona, mentalmente, dados ambientais espaciais (geologia, re-levo, vegetação e clima, dentre outros), para estabelecer umpadrão de distribuição das unidades de solo em uma área;logo, a integração de dados de fontes variadas no mapeamen-to de solos é tarefa moldada para sistemas de informaçõesgeográficas.

Os projetos desenvolvidos em SIG apresentam, como prin-cipal proposta, a combinação de dados espaciais com o ob-jetivo de descrever e analisar interações, de modo a fazerprevisões através de modelos prospectivos empíricos e for-necer apoio para a definição de classes, unidades ou sítiosde interesse.

A técnica fuzzy tem sido intensamente utilizada em tra-


49

Classes dedeclividade (%)

0 - 3

3,1 - 5

5,1 - 10

10,1 - 20

20,1 - 35

35,1 - 40

40,1 - 45

45,1 - 50

50,1 - 100

2 0 2 4 6

Escala: 1:100.000

km

85

36

85

42

85

48

85

54

85

60

2310 2350 2390 2430

Fonte: extraído de MDT SRTM / S14W42 Datum Córrego Alegre 24S

Figura 4. Mapa de declividade da região de Mucugê


balhos de inferência espacial e, quando comparada com omodelamento convencional, tem a prerrogativa de não for-çar os especialistas a definirem regras dicotômicas rígidascom contatos normalmente artificiais, que diminuem a ha-bilidade de articular eficientemente soluções para proble-mas complexos, tão comuns em processos naturais (Tans-cheit, 2006). As características intrínsecas da lógica fuzzya tornam capaz de incorporar tanto o conhecimento objeti-vo (a partir de dados numéricos) quanto o conhecimentosubjetivo (a partir de informações lingüísticas).

A modelagem por lógica fuzzy permite simular, atravésdo uso de possibilidades, as incertezas e transições tão co-muns aos sistemas pedológicos, que é feita correlacionan-do-se o grau de certeza à experiência e ao conhecimentoacumulados; assim, a atribuição dos pesos às possibilida-des de ocorrência das classes de solo em determinada área,é totalmente controlada pelo julgamento subjetivo de espe-cialista experiente e que detenha um conhecimento profun-do sobre a área de estudo (um pedólogo com experiênciaem levantamentos, por exemplo). Este tipo de modelagemfaz parte da categoria denominada “baseada no conhecimen-to” e se apresenta como alternativa para operacionalizar oslevantamentos de solo.

RESULTADOS E DISCUSSÃO

Atribuição de valores fuzzy às classes dos mapastemáticos e obtenção do mapa de evidências fuzzy paraas unidades de solo

Para proceder à modelagem sob inferência fuzzy, é neces-sário que os mapas temáticos (fatores de formação do solo),sejam representados por uma função nebulosa; na prática, istosignificou elaborar, para as unidades de solo predefinidas,uma tabela de atributos conferindo-se, para cada classe dosmapas temáticos (geologia, vegetação, altitude e declivida-de), valores entre 0 e 1; estes valores constituem o peso quea classe tem e foram determinados de forma subjetiva; porsua vez eles caracterizam o grau de importância de cada clas-se do mapa temático no controle da definição do tipo de solo(Tabela 1). Os valores máximos do grau de pertinência decada conjunto fuzzy, atribuído a cada mapa, controlam tam-bém o peso relativo de cada evidência (fator de formação dosolo) no processo de modelagem.

Alicerçados na equação dos fatores de formação do solo deJenny (1961) no modelo de distribuição dos solos na paisagemde Hudson (1992) e no conhecimento da área obtido através detrabalhos anteriores especificou-se, para a área, a ocorrência desete classes de solo: Latossolo Vermelho-Amarelo; ArgissoloAcinzentado, Espodossolo Húmico, Gleissolo Húmico; Cambis-solo Háplico; Neossolo Litolico e Neossolo Flúvico.

A atribuição dos pesos a cada classe dos mapas (fator deformação considerado), foi embasada na premissa de que aevolução dos solos é condicionada pelo grau de combinaçãodos fatores de formação do solo; esta interação determina adinâmica dos processos pedogenéticos e, conseqüentemente,origina diferentes classes de solos.

Na Tabela 1 podem ser vistos os graus de pertinência atri-buídos às classes de vegetação, geologia, declividade e alti-tude que foram utilizadas para gerar mapas fuzzy dessesmesmos fatores para as classes de solo predefinidas.

Os valores foram arbitrários e seguiram unicamente oconhecimento do especialista em solo. A facilidade de edi-ção das tabelas possibilitou o exame dos mapas de evidênci-as para as classes de solos gerados a partir de diferentes pro-posições de operadores fuzzy e a definição na modelagem dooperador lógico interseção (FuzzyAND), para obtenção dosmapas de evidências fuzzy para cada classe de solo; esteoperador produz estimativas conservadoras implicando, pe-dologicamente, na modelagem de associações de fatores di-agnósticos, ou seja, na seleção mais rigorosa de áreas maispropícias à ocorrência de determinada classe de solo.

O exame da Figura 5, que esquematiza a obtenção domapa de evidências fuzzy para Latossolos, permite melhorcompreensão desta etapa do processo de modelagem; porexemplo, se a possibilidade de ocorrer Latossolo em um lo-cal (um pixel ou um polígono), tiver os valores µA = 0,50,µB = 0,90 e µC = 0,30 (respectivamente para os fatores ge-ologia, vegetação e declividade), o mapa resultante assumi-rá o valor µcomb = 0,30 neste mesmo local, deduzindo-se quesomente onde os três mapas combinados possuam simulta-neamente valores elevados se consideraria locais mais pro-váveis para a ocorrência de Latossolos.


50

oleramA-ohlemreVolossotaL ocilpáHolossielG

oeG CP )m(tlA CP )%(ceD CP geV CP oeG CP )m(tlA CP )%(ceD CP geV CP

bocQ 9,0 0001-029 0 3-0 8,0 saS 8,0 bocQ 1,0 0001-029 9,0 3-0 8,0 saS 0

talQ 7,0 0401-0001 0 5-3 9,0 faS 7,0 talQ 6,0 0401-0001 9,0 5-3 5,0 faS 5,0

laQ 2,0 0011-0401 0 8-5 8,0 sgS 9,0 laQ 9,0 0011-0401 2,0 8-5 1,0 sgS 0

ltQ 0 0021-0011 9,0 01-8 7,0 fgS 5,0 ltQ 0 0021-0011 1,0 01-8 1,0 fgS 5,0

dfpP 6,0 0521-0021 8,0 02-01 3,0 spS 9,0 dfpP 5,0 0521-0021 1,0 02-01 01 spS 0

fpP 8,0 0031-0521 1,0 53-02 1,0 fpS 8,0 fpP 4,0 0031-0521 0 53-02 0 fpS 1,0

tdpP 8,0 0041-0031 0 54-43 0 C/ssV 7,0 tdpP 0 0041-0031 0 54-43 0 C/ssV 1,0

dppP 8,0 0051-0041 0 05-54 0 F/ssV 9,0 dppP 1,0 0051-0041 0 05-54 0 F/ssV 5,0

etP 2,0 0061-0051 0 001-05 0 NS 8,0 etP 0 0061-0051 0 001-05 0 NS 6,0

ltP 0 mR 0 ltP 0 mR 1,0

e/ftP 0 e/ftP 0

odatneznicAolossigrA ocivúlFolossoeN


bocQ 5,0 0001-029 0 3-0 1,0 saS 5,0 bocQ 3,0 0001-029 0 3-0 2,0 saS 1,0

talQ 8,0 0401-0001 0 5-3 4,0 faS 6,0 talQ 0 0401-0001 0 5-3 1,0 faS 0

laQ 3,0 0011-0401 7,0 8-5 7,0 sgS 5,0 laQ 0 0011-0401 3,0 8-5 1,0 sgS 1,0

ltQ 0 0021-0011 8,0 01-8 8,0 fgS 0 ltQ 0 0021-0011 7,0 01-8 1,0 fgS 0

dfpP 6,0 0521-0021 6,0 02-01 9,0 spS 0 dfpP 0 0521-0021 6,0 02-01 5,0 spS 0

fpP 8,0 0031-0521 1,0 53-02 5,0 fpS 5,0 fpP 5,0 0031-0521 5,0 53-02 4,0 fpS 0

tdpP 6,0 0041-0031 0 54-43 1,0 C/ssV 7,0 tdpP 0 0041-0031 2,0 54-43 0 C/ssV 0

dppP 3,0 0051-0041 0 05-54 0 F/ssV 8,0 dppP 0 0051-0041 0 05-54 0 F/ssV 0

etP 0 0061-0051 0 001-05 0 NS 7,0 etP 0 0061-0051 0 001-05 0 NS 1,0


e/ftP 0 e/ftP 0

ocilpáHolossibmaC ocilótiLolossoeN


bocQ 4,0 0001-029 0 3-0 50,0 saS 1,0 bocQ 2,0 0001-029 1,0 3-0 3,0 saS 0

talQ 6,0 0401-0001 0 5-3 1,0 faS 2,0 talQ 0 0401-0001 3,0 5-3 1,0 faS 0

laQ 2,0 0011-0401 7,0 8-5 3,0 sgS 4,0 laQ 1,0 0011-0401 3,0 8-5 1,0 sgS 0

ltQ 1,0 0021-0011 8,0 01-8 5,0 fgS 0 ltQ 9,0 0021-0011 4,0 01-8 2,0 fgS 5,0

dfpP 0 0521-0021 1,0 02-01 7,0 spS 0 dfpP 0 0521-0021 5,0 02-01 4,0 spS 0

fpP 1,0 0031-0521 1,0 53-02 6,0 fpS 2,0 fpP 0 0031-0521 8,0 53-02 8,0 fpS 0

tdpP 0 0041-0031 0 54-43 1,0 C/ssV 0 tdpP 0 0041-0031 1 54-43 9,0 C/ssV 0

dppP 0 0051-0041 0 05-54 0 F/ssV 2,0 dppP 2,0 0051-0041 1 05-54 1 F/ssV 0

etP 0 0061-0051 0 001-05 0 NS 5,0 etP 1 0061-0051 1 001-05 1 NS 0


e/ftP 0 e/ftP 9,0

ocimúHolossodopsE adnegeL

oeG CP )m(tlA CP )%(ceD CP geV CPoeG -oztrauqatsorc-talQ;airánretauq-oicrétarutreboc-bocQ(aigoloeg-

dfpP;seranoivulocsotisóped-ltQ;sosoligraonerasotnemides-laQ;asonigurrefsotinera-tdpP;sodahlemrevasotinera-fpP;sotiligraesotitlis,sosoxiessotinera-eotinera-ltP;aznicotinera-etP;sotitlisesálilsotiligra-dppP;sosoxies

)sotitlisesotiligra,sotinera,sodaremolgnocorcim-e/ftP;odaremolgnoctlA edutitla-geV aeróbrAanavaS-faS;airelaGedatserolF/saeróbrAanavaS-saS(oãçategev-

fgS;airelaGedatserolF/sasohneL-oenímarGanavaS-sgS;airelaGedatserolF/catserolF/seuqraPanavaS-spS;airelaGedatserolF/casohneL-oenímarGanavaS-oãçategeV-C/ssV;airelaGedatserolF/ceuqraPanavaS-fpS;airelaGed-imeSlanoicatsEatserolF/airádnuceSoãçategeV-F/ssV;agnitaaC/airádnuceSocigólocEoigúfeR-mR;lanoicatsEatserolF/anavaSotatnoC-NS;laudiceD

)onatnoMceD edadivilced-CP sessalcsadosep-

bocQ 2,0 0001-029 1,0 3-0 9,0 saS 0

talQ 0 0401-0001 1,0 5-3 8,0 faS 0

laQ 1,0 0011-0401 1,0 8-5 4,0 sgS 0

ltQ 0 0021-0011 4,0 01-8 0 fgS 0

dfpP 1,0 0521-0021 4,0 02-01 0 spS 0

fpP 5,0 0031-0521 5,0 53-02 0 fpS 0

tdpP 0 0041-0031 5,0 54-43 0 C/ssV 0

dppP 0 0051-0041 8,0 05-54 0 F/ssV 3,0

etP 5,0 0061-0051 8,0 001-05 0 NS 2,0

ltP 2,0 mR 9,0

e/ftP 5,0

Tabela 1. Peso atribuído às classes dos mapas de fatores para Latossolo Vermelho-Amarelo; Argissolo Acinzentado, Espodossolo Húmico, GleissoloHúmico; Cambissolo Háplico; Neossolo Litólico e Neossolo Flúvico



51

Figura 5. Fluxograma dos mapas de possibilidades fuzzy para as classesde solo


Para a combinação dos mapas temáticos foi utilizada aextensão do ArcSDM2 (Sawatzky et al., 2004) para ArcGis8.3. Os mapas de possibilidades fuzzy, gerados para as clas-ses de solos preestabelecidas foram, posteriormente, reclas-sificados; nesta etapa, foi associada a cada mapa de possibi-lidades, uma seqüência ordenada de potências de 2, cujo valor“0” (zero) sempre corresponde à ausência de ocorrência dedeterminada classe (unidade simples de mapeamento) e osvalores intermediários (quando existentes) referentes à as-

Figura 6. Mapa de evidências fuzzy para as classes de solo predefinidas

sociação de classes (associação de solos) ou zonas de transi-ção entre classes de solo (Figura 6).

Esta técnica, denominada inferência média ponderada,aplicada para fusão dos sete mapas de evidências de clas-ses de solo (Figura 7), permitiu que as simultaneidades fos-sem expressas por valores que pudessem ser reconhecidos,avaliados e correlacionados à realidade local e à “verdade”,expressa no mapa de solos convencional usado como parâ-metro para validação; trata-se de um artifício que evita re-sultados ambíguos, os quais poderiam conduzir a interpre-tações e a distribuição espacial incorretas dos solos naconfecção do mapa digital de solos.

Os mapas de evidências fuzzy para as classes de solo (Fi-gura 6), quando confrontados com o mapa de solos conven-cional (Figura 8), e apesar de apresentarem variações, mos-traram semelhanças nos delineamentos individuais dasunidades.

O mapa digital de solos (Figura 9), comparado com o mapade solos convencional preexistente, apresenta similaridade noslimites entre as classes, porém há no mapa digital, novos de-lineamentos que, nas unidades do mapa de solos convencio-nal, não encontram correspondência como, por exemplo, aunidade dos Latossolos Vermelho-Amarelos – LVA4.


52

Figura 7. Fluxograma do processo de geração do mapa de solo digital


Este resultado foi interpretado como decorrente de vari-ações locais impostas por um ou mais fatores de formaçãoconsiderados (geologia, vegetação, declividade e altitude).No mapa de solos digital, essas variações determinariam oaparecimento de novas “unidades” com características di-ferenciadas que não teriam encontrado representação espa-cial no mapa convencional de solos. As “novas unidades”podem corresponder a inclusões de solos existentes nasunidades ou a zonas de transição entre as classes de solosde unidades vizinhas; no último caso representam, no mapa

8536

8542

8548

8554

8560

2310 2350 2390 2430

Figura 8. Mapa convencional de solos da região de Mucugê, BA


digital, a passagem progressiva de uma classe para outra,ou seja, zonas nas quais há, provavelmente, ocorrência desolos intergrades.

Constataram-se, na análise dos mapas convencional e di-gital de solos, algumas contradições relacionadas com amenor generalização no domínio de espaços (Zhu et al.,2001), determinada pelo tamanho do pixel utilizado na con-fecção do mapa digital e pela dificuldade de atualização dossolos do mapa convencional, devido à falta de acesso às des-crições morfológicas e das análises físico-químicas dos com-ponentes das unidades do mapa de solos convencional (uti-lizado como “verdade”); o que gerou enquadramentosdivergentes entre o mapa de solo convencional e o digital.Um exemplo de incompatibilidade são as unidades de Ar-gissolos Vermelho-Amarelos delineadas no mapa digital eque não existem no mapa convencional.

Outro ponto a ser considerado são os critérios estabeleci-dos para a área mínima mapeável que, conceitualmente, emmapas analógicos é determinada pelas menores dimensões que

Fonte: Adaptado de IBGE, 1988. Diagnóstico dos RecursosNaturais da Bacia doAlto Paraguaçu. Relatório Interno

53

Figura 9. Mapa digital de solos gerado sob influência fuzzy da região de Mucugê, BA


Tabela 2. Resolução e extensão para o mapa de solo digital

1(0,6 x 0,6 cm); 2calculado com o mínimo de 100 e o máximo de 10.000 pixels

odohnamaTlexip

aminímaerÁleváepam 1

oãçuloseRlaicapselanimon

oãsnetxE 2alacsEacifárgotrac

adiregus

m03m081x081mk4230,0= 2 m06x06 mk003-3 000.05:1

podem ser legivelmente delineadas em um mapa de solos, semprejuízo da informação gerada nos trabalhos de campo. Naprática, ela corresponde a uma área de 0,4 cm2. A equivalên-cia desta área no mapa com a área correspondente no terre-no, é função da escala final de apresentação que, em um mapade escala 1:100.000, corresponde a 0,4 km2 (FIBGE, 2005).

Em sua revisão bibliográfica sobre mapeamento digital desolo, McBratney et al. (2003), mostram que a escala carto-gráfica digital assume, para 1 m (comprimento lateral de1000 pixel), que a menor área discernível é de 1 x 1 mm, ouseja, 1 pixel. Considerando-se que o tamanho do pixel (ρ)de um mapa convencional na escala 1:100.000 pode ser cal-culado como ρ = 1/χ x λ e que a área mínima mapeável (λ)na escala (1/χ) 1:100.000 pode ser de 1 x 1 mm, ρ seria iguala 100 m; entretanto, para o processamento de sinais a reso-lução mínima deve corresponder à área de 2 x 2 pixels, ta-manho padrão designado de resolução espacial nominal.

Embasados nos conceitos de área mínima mapeável e daresolução espacial nominal de 2 x 2 pixels propõe-se, para omapa digital de solo da região de Mucugê, a partir do pixelde 30 m de resolução, um levantamento de reconhecimentocom nível de alta intensidade com escala cartográfica de1:50.000, com a seguinte correlação de resoluções e exten-sões que podem ser generalizadas para a aplicação no pro-cesso de confecção de mapas de digitais de solo (Tabela 2).

É preciso, entretanto, definir a aplicabilidade de um novomodelo para que a promessa tecnológica não seja incompa-tível com a real necessidade e possibilidade de utilização;recomenda-se, portanto, a repetição da metodologia em ou-tras áreas que possuam mapas de solo convencionais de boaqualidade e visitas a campo após o processamento (obtençãodo mapa em laboratório), para verificar a existência ou nãodas variações e confrontar as informações contidas no mapaconvencional de solos com as do mapa gerado por esta me-todologia.

No presente estudo, o valor de 0,1 km2 do terreno foi de-finido como área mínima mapeável para edição final domapa digital de solo, haja vista que os testes mostraram quevalores menores resultavam em um número muito elevadode classes que continham diversos componentes delineadosem função de pequenas variações no terreno, provenientesde intervenções antrópicas (canais de irrigação e zonas de


54 Claudia C. Nolasco-Carvalho et al.

empréstimo, por exemplo) e que, durante o processamen-to, eram interpretados como variações no relevo; conside-rou-se, também, para esta definição, a impossibilidade prá-tica de se checar um grande número de informaçõesderivadas (componentes) e a necessidade de se estabelecerparâmetros de comparação entre escala e a área mínimamapeável do mapa convencional e a do digital de solo.

Este valor permitiu eliminar delineamentos resultantesde interferências (aparecimento de “falsos componentes”)e adequar os resultados à realidade dos trabalhos de cam-po, de forma a propiciar a validação final (certificação emcampo da existência dos componentes delineados no mapadigital e não encontrados no mapa convencional) e à adi-ção de informações específicas para cada unidade (dadosmorfológicos e físico-químicos), que atendam às exigên-cias de levantamentos na escala proposta para o mapadigital.

Sabe-se que as unidades de mapeamento constituem umconjunto de áreas de solos, com posições e relações defini-das na paisagem e que são caracterizadas em termos da(s)unidade(s) taxonômica(s) que a(s) compõe(m); logo, a uti-lização de dados com melhor resolução proporcionará aidentificação de unidades mais homogêneas que as existen-tes no mapa convencional, cuja individualização foi possi-bilitada no mapa digital pela adição de dados de relevo emmaior escala.

A integração de MDT com pixel de 30 m permitiu mai-or refinamento no delineamento de unidades de mapeamen-to e maior pureza e precisão das informações vinculadas.Ressalta-se que os dados de vegetação e geologia utiliza-dos provieram de mapas 1:100.000 e que as informaçõesextraídas dentro da metodologia convencional de levanta-mentos de solo são compatíveis com a escala 1:50.000 (FI-BGE, 2005), sugerida para o mapa digital de solos da Re-gião de Mucugê.

A ampliação da escala pode propiciar a transformaçãode inclusões (áreas de solo em proporção muito menor queo componente ou componentes principais), em unidadessimples, ou sua integração e delineamento em novas uni-dades combinadas ou, ainda, a individualização de associ-ações de solos em unidades simples, já que passariam a termaior representatividade. Em outras palavras, unidades quesofreram generalização no domínio de espaço (Zhu at al.,2001; Zhu, 2000), isto é, que a princípio não eram mapeá-veis na escala 1:100.000, puderam ser delineadas no mapadigital.

Partindo deste princípio, os delineamentos de unidades nomapa digital que não encontraram, no mapa de solo tradici-onal, correspondências, são explicados pelo fato de que es-ses componentes não puderem registrar, durante a filtragemdeterminada pela escala, no mapa convencional, seus locaise espaços e acabaram sendo incorporados à unidades cen-trais; já no mapa digital surgem os registros, o que implicaem redução da generalização no domínio de parâmetros eespaço, ou seja, em adição de informação que no mapa tra-dicional seria descartada em função das generalizações im-postas pela escala.

Outro ponto a se considerar, é que a confecção de mapa


digital de solos, segundo a metodologia proposta exige, aci-ma de tudo, que os conceitos relativos à concepção do mapade solos (forma de “apresentação” – visualização das uni-dades e seus componentes), sejam reconstruídos pois o es-pecialista, ao fornecer informações para a composição dasclasses de possibilidades, alimenta o sistema com conjuntode dados e informações relacionados à transição de solos(discretização) e vinculadas a pequenas áreas que ele co-nhece e que estão mais de acordo com a forma de distri-buição da cobertura pedológica na natureza; entretanto, omodelo convencional de mapas de solo não comporta estaforma de representação, dada a prática da cartografia ba-seada em polígonos (Booleana) e engessada pelos critériosde área mínima mapeável determinados pelas escalas paraa representação das unidades e, como conseqüência, ocor-re tendência na construção de mapas digitais gerados sobinferência fuzzy ao aparecimento de áreas que estariamrelacionadas a zonas de transição entre duas ou mais uni-dades de solo e ao delineamento de áreas inexistentes nomapa convencional.

Ressalta-se que os mapas digital e convencional de solospossuem, neste trabalho, a mesma escala e que algumas dasdiferenças existentes podem ter derivado da finalidade domapa convencional, fato que pode ter determinado menorqualidade das informações espaciais vinculadas.

CONCLUSÕES

Pode-se constatar que a metodologia proposta para ma-peamento de solos utilizando a interferência fuzzy possi-bilitou:

1. Gerar mapas digitais de solos com refinamento da es-cala e fazer predição de unidades a partir de dados auxilia-res (relacionados aos fatores de formação do solo) preexis-tentes e do conhecimento de especialistas de solos.

2. Menor generalização das classes de solo no domíniode espaço e parâmetros, pois o formato do mapa permiteagregar informações inerentes a condições particulares dacobertura pedológica de determinada região, já que na mo-delagem SIG os dados raster de uma área podem ser repre-sentados por muitos quadrados pequenos – “pixels”, cujasdimensões permitem a representação de pequenas variaçõescom boa resolução espacial.

3. Operacionalização dos trabalhos de campo com redu-ção das etapas, visto que a validação do mapa seria realiza-da em pontos geograficamente bem definidos para constata-ção das unidades, descrição e caracterização da(s) classe(s)de solo(s) componente(s) da(s) mesma(s).

4. Agilizar o processo de atualização futura de mapaspela facilidade de integração de informações que podemsubsidiar o gerenciamento e a preservação dos recursosnaturais.

5. A metodologia é extremamente dependente do conhe-cimento de especialistas em solos da área a ser mapeada e,como já citado na literatura por alguns autores, da qualida-de do banco de dados.

55Mapa digital de solos: Uma proposta metodológica usando inferência fuzzy

LITERATURA CITADA

Bigarella, J. J.; Becker, R. D. E.; Santos, G. F. Estrutura e origemdas paisagens tropicais e subtropicais. Fundamentos geológi-co geográficos, alterações químicas e físicas das rochas rele-vo cárstico e dômico. Florianópolis: UFSC, 1994, v.1, 425p.

Brasil – Ministério das Minas e Energia. Secretaria Geral. Pro-jeto RADAMBRASIL Folha SD-24 Baia de Todos os Santos.Geologia, geomorfologia, pedologia, vegetação e uso poten-cial da terra. 4.ed., Rio de Janeiro, 1976. 594p.

CPRM – Companhia de Pesquisa de Recursos Minerais. Progra-ma levantamentos geológicos do Brasil: Carta geológica. Es-cala 1:100.000 (Folha SD24-V-C-II Mucugê) Estado da Bahia.Pedreira, A. J.; Martins Martagalho, R. de S. F. X. (org). Bra-sília: DNPM/CPRM, 1990. 122p.

CPRM – Companhia de Pesquisa de Recursos Minerais. ProjetoChapada Diamantina: Parque Nacional da Chapada Diamantina,BA: Informações básicas para a gestão territorial: Diagnóstico domeio físico e da vegetação. Salvador: CPRM/IBAMA, 1994. 104p.

ESRI – Using the ArcView. Redlands: ESRI Press, 1999a. 340p.ESRI – Using the ArcView Spatial Analyst. Redlands: ESRI Press,

1999b. 240p.FIBGE – Fundação Instituto Brasileiro de Geografia e Estatísti-

ca. Diagnóstico dos recursos naturais da bacia do Alto Paragua-çu: mapas de vegetação, solos na escala 1:100.000 Relatóriointerno. Salvador: IBGE, 1988. 78p.

FIBGE – Fundação Instituto Brasileiro de Geografia e Estatísti-ca. Manual técnico de pedologia. Coordenação de RecursosNaturais e Estudos Ambientais. 2.ed. Rio de Janeiro: IBGE,2005. 300p. Manuais técnicos em geociências, n. 4.

Hudson, B. D. The soil survey as paradigm-based science.Soil Science Society of American Journal, v.56, p.836–841. 1992.

Jenny, H. E. W. Hilgard and the birth of modern soil science.Berkeley: Farallo Publication. 1961. 144p.

McBratney, A. B.; Mendonça Santos, M. L.; Minasny, B. On di-gital soil mapping. Geoderma, v.117, p.3-52, 2003.

Sawatzky, D. L.; Raines, G. L.; Bonham-Carter, G. F.; Looney, C.G. ArcSDM2: ArcMAP extension for spatial data modelling usingweighets of evidence, logistic, regression, fuzzy logic and neu-ral network analysis. 2004. http://www.ntserv.gis,nrcan,gc.ca/sdm. 05 Abr. 2006.

SEI – Superintendência de Estudos Econômicos e Sociais daBahia. Atributos climáticos do Estado da Bahia. Salvador: SEI.1998. 85p. Série estudos e pesquisas, n.38.

Tanschei t , R. Fundamentos da lógica Fuzzy e controleFuzzy. http://www.ica.ele.puc-rio.br/cursos/download/SI-Logica_Controle_Fuzzy.pdf. 05 Abr. 2006.

Zhu, A. X. A personal construct-based knowledge acquisition processfor natural resource mapping using GIS. International Journal ofGeographical Information Science, v.13, n.2, p.119–141. 1999.

Zhu, A. X. Mapping soil landscape as spatial continua: The neu-ral network approach. Water Resources Research, v.36, p.663–677. 2000.

Zhu, A. X.; Band, L. E.; Vertessy, R.; Dutton, B. Deriving soilproperty using a soil land inference model (SoLIM). Soil Sci-ence Society of American Journal, v.61, p.523–533. 1997.

Zhu, A. X.; Hudson, B.; Burt, J.; Lubich, K.; Simonson, D. Soilmapping using GIS, expert knowledge, and fuzzy logic. SoilScience Society of American Journal, v.65, p.885-894, 2001.


mapa digital de solos: uma proposta metodológica usando ... · palavras-chave: sistema de ... para...

Documents