Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/74440
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Sandra Cristina Deodoro | pt_BR |
dc.creator | Marcos A. Timbó Elmiro | pt_BR |
dc.creator | Ricardo Alexandrino Garcia | pt_BR |
dc.creator | Plinio da Costa Temba | pt_BR |
dc.creator | William Zanete Bertolini | pt_BR |
dc.date.accessioned | 2024-08-20T20:44:16Z | - |
dc.date.available | 2024-08-20T20:44:16Z | - |
dc.date.issued | 2021 | - |
dc.citation.volume | 14 | pt_BR |
dc.citation.issue | 1 | pt_BR |
dc.citation.spage | 25 | pt_BR |
dc.citation.epage | 37 | pt_BR |
dc.identifier.doi | https://doi.org/10.26848/rbgf.v14.1.p340-356 | pt_BR |
dc.identifier.issn | 19842295 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/74440 | - |
dc.description.abstract | Measuring and evaluating soil components and properties are often costlyand time-consuming procedures.Prediction and modelling, whose proceduresare known as predictive soil mapping,are useful for solving the lack offield data sampling. The objective of this work is to map the surface-based soil texturein the region of Volta Grande do Rio Uruguay (SC / RS-Brazil) by using soil particle-size sampling (44 points)or soil granulometry, soil spectral reflectance (141 points) in the MSI sensor (Sentinel-2), predictive statistical modelling (Discriminant Analysis) and IDW interpolation. The methodology aims to find discriminant functions to obtain a statistical classifier that, based on soil spectral data, is able to discriminate the soil texture (surface-based) in terms of sand, silt and clay. The results showed that (i) the statistical model classified the soil texture at an accuracy of 71% according to the Kappa Index; (ii) silt and sand were similarboth in terms of spectral signature and of content(g/kg); (iii) there was a predominance of clay corroborating the lithological characteristic of the basaltic area. Discriminant Analysis provides a basis to identify which independent variables (reflectance) contribute most to the response of the dependent variable (soil texture). Thus, thestudied methodcan be useful to indicatethe spectral ranges inregression models forpredicting soil texture at locations not sampled. | pt_BR |
dc.description.resumo | Medir e avaliar componentes e propriedades de solo são,geralmente,procedimentos que envolvem custo e consumo de tempo. A escassez de amostragem de dados em campo é geralmente compensada por resultados de predição e modelagem cujos procedimentos são conhecidos como mapeamento preditivo de solo. O conhecimento da granulometria do solo (proporção das frações granulométricas) e sua distribuição em um espaço geográfico torna-se importante,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. O objetivo deste trabalho é obter um mapa da textura superficial do solo na região de Volta Grande do Rio Uruguai (SC/RS-Brasil) por meio de amostragem granulométrica (44pontos), reflectância espectral do solo (141pontos) no sensor MSI (Sentinel-2), modelagem estatística preditiva (Análise Discriminante) e interpolaçãopelo método Inverse Distance Weighting(IDW). A metodologia aplicada baseia-se na obtenção de funções discriminantes para aplicação de um classificador estatístico que, a partir dos dados espectrais de solo, seja capaz de discriminar a textura emareia, silte e argila. Os resultados da análise discriminante mostraram que (i) a textura do solo foi classificada no modelo a uma acurácia de 71% conforme Índice de Kappa; (ii)as frações silte e areia mostraram-se próximas tanto em termos do comportamento daassinatura espectral obtida por sensor remoto orbital como em termos de teores(g/kg) obtidos em laboratóriode análise de solo; (iii) houve predomínio de argila corroborando a característica litológica de área basáltica. Por permitir a verificação de quais variáveis independentes (reflectância) mais contribuírampara a resposta da variável dependente (granulometria) –variáveis espectrais ou bandas B3, B4, B8 e B11 –, este método pode ser útil para indicar as faixas espectrais que podem ser usadas na aplicação de uma técnica de regressão para predição granulométrica. | pt_BR |
dc.format.mimetype | pt_BR | |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | IGC - DEPARTAMENTO DE GEOGRAFIA | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.relation.ispartof | Revista Brasileira de Geografia Física | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Análise Multivariada | pt_BR |
dc.subject | Dimensões | pt_BR |
dc.subject | Mapeamento do Solo | pt_BR |
dc.subject.other | Análise Multivariada | pt_BR |
dc.subject.other | Dimensões | pt_BR |
dc.subject.other | Mapeamento do Solo | pt_BR |
dc.title | Classificação e mapeamento da textura superficial do solo a partir de dados de sensoriamento remoto e análise discriminante, na região de Volta Grande do Rio Uruguai – Brasil | pt_BR |
dc.title.alternative | Classification and mapping of the surface-based soil texture through remote sensing data and discriminant analysis in the region of Volta Grande do Rio Uruguai –Brazil | pt_BR |
dc.type | Artigo de Periódico | pt_BR |
dc.url.externa | https://periodicos.ufpe.br/revistas/index.php/rbgfe/article/view/248130 | pt_BR |
Appears in Collections: | Artigo de Periódico |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Classificação e mapeamento da textura superficial do solo.pdfA.pdf | 1.84 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.