A análise do mapa permite verificar a ocorrência <strong>de</strong> oito or<strong>de</strong>ns <strong>de</strong> <strong>solo</strong>s na folhaem questão, sendo essas: argis<strong>solo</strong>s, latos<strong>solo</strong>s, neos<strong>solo</strong>s, gleis<strong>solo</strong>s, nitos<strong>solo</strong>s,cambis<strong>solo</strong>s, espodos<strong>solo</strong>s e chernos<strong>solo</strong>s. O argis<strong>solo</strong> vermelho amarelo (PVA) é o <strong>de</strong>maior expressão na folha, ocupando 52,6 % <strong>de</strong> área <strong>de</strong>sta, seguido pelos neos<strong>solo</strong>s (33,8%), com maior expressão <strong>para</strong> o neos<strong>solo</strong> quartzarênico (RQ), que ocupa 22 % <strong>da</strong> área.Por fim, há uma pequena parcela <strong>de</strong> latos<strong>solo</strong> vermelho amarelo (LVA) (7 %) e outros<strong>solo</strong>s com baixa representativi<strong>da</strong><strong>de</strong>, abaixo <strong>de</strong> 4 %, conforme observado na tabela 13.Tabela 13 – Proporção <strong>de</strong> ocorrência <strong>da</strong>s uni<strong>da</strong><strong>de</strong>s <strong>de</strong> mapeamento <strong>da</strong> folha São Pedro, apóssimplificação <strong>da</strong> legen<strong>da</strong>.Uni<strong>da</strong><strong>de</strong>s <strong>de</strong> Mapeamento Área (%)Corpos d'água 2,5CXbd 0,42EK text. arenosa 0,12GX+GM 3,8LVA text. arg ou cascalhenta 0,03LVA text. média 6,8LVA text. muito argilosa 0,1LVd text. argilosa 0,03LVdf text. arg. ou muito argilosa 0,05M text. argilosa 0,07Município 0,18NVe text. argilosa 0,22PVAd text. arenosa/média 45PVAd text. argilosa 7,2PVAd text. média 0,4RLe text. argilosa 2,4RLe text. média 6,5RLe ou RLd text. cascalenta 0,18RLe ou RLd text. méia ou argilosa 2RQ 22TOTAL 100A partir <strong>da</strong>s análises <strong>para</strong> a folha São Pedro foi possível verificar que o melhor<strong>de</strong>sempenho <strong>para</strong> o tipo <strong>de</strong> levantamento em questão ocorreu sem os ruídos comaproxima<strong>da</strong>mente 55 % <strong>de</strong> acurácia geral do mo<strong>de</strong>lo, penalizando apenas uma classe,Neos<strong>solo</strong> Litólico eutrófico ou distrófico textura média ou argilosa, sendo que sete <strong>da</strong>soito uni<strong>da</strong><strong>de</strong>s <strong>de</strong> mapeamento apresentam acurácia individual acima <strong>de</strong> 50 %.O número <strong>de</strong> regras gera<strong>da</strong>s na construção <strong>de</strong>sse mo<strong>de</strong>lo foi <strong>de</strong> 212, sendo queisso impediu a visualização <strong>da</strong> árvore <strong>de</strong> classificação. Esse elevado número <strong>de</strong> regraspo<strong>de</strong> gerar estatísticas não confiáveis apesar <strong>da</strong> estimativa do “erro <strong>de</strong> resubstituição”(estimativa obti<strong>da</strong> com os <strong><strong>da</strong>dos</strong> <strong>de</strong> treinamento usado durante o crescimento <strong>da</strong> árvore)manter-se <strong>de</strong>crescente. Com isto, a acurácia <strong>da</strong>s estimativas do erro é fortemente65
<strong>de</strong>pen<strong>de</strong>nte <strong>da</strong> quali<strong>da</strong><strong>de</strong> <strong>da</strong> amostra. Como o algoritmo divi<strong>de</strong> recursivamente oconjunto <strong>de</strong> <strong><strong>da</strong>dos</strong> <strong>de</strong> treinamento original, as divisões vão sendo avalia<strong>da</strong>s comamostras ca<strong>da</strong> vez menores. Isto significa que as estimativas <strong>de</strong> erro têm menos acuráciaà medi<strong>da</strong> que a árvore cresce.Com intuito <strong>de</strong> diminuir o número <strong>de</strong> regras gera<strong>da</strong>s, minimizar este problema eevitar o super ajustamento dos <strong><strong>da</strong>dos</strong> <strong>de</strong> treinamento com árvores muito complexasrealizou-se a po<strong>da</strong>.Nesse estudo foi utilizado o método <strong>da</strong> pré-po<strong>da</strong>, na qual o crescimento <strong>da</strong>árvore é interrompido antes que a divisão seja consi<strong>de</strong>ra<strong>da</strong> não-confiável. Esse métodousa um procedimento “passo único”. Este algoritmo corre através dos nós <strong>da</strong> árvore ou“<strong>de</strong> baixo <strong>para</strong> cima” ou “<strong>de</strong> cima <strong>para</strong> baixo”, <strong>de</strong>cidindo <strong>para</strong> ca<strong>da</strong> nó, se a po<strong>da</strong><strong>de</strong>veria ser realiza<strong>da</strong> <strong>de</strong> acordo com algum critério <strong>de</strong> avaliação.Assim, foram <strong>de</strong>fini<strong>da</strong>s três classes <strong>de</strong> po<strong>da</strong>, 20, 50 e 100, sendo que essesnúmeros representam o número mínimo <strong>de</strong> pixels que as regras <strong>de</strong>vem chegar até que seencontre uma uni<strong>da</strong><strong>de</strong> <strong>de</strong> mapeamento <strong>de</strong> <strong>solo</strong> (folha <strong>da</strong> árvore). A partir <strong>da</strong> observação<strong>da</strong> tabela 14 é possível verificar que há uma diminuição do tamanho <strong>da</strong> árvore e nonúmero <strong>de</strong> regras gera<strong>da</strong>s com o aumento <strong>da</strong> po<strong>da</strong>, o que já era esperado. Assim, 48regras foram elimina<strong>da</strong>s com o aumento <strong>da</strong> po<strong>da</strong> <strong>de</strong> 20 <strong>para</strong> 100, enquanto aporcentagem do mo<strong>de</strong>lo permaneceu por volta <strong>de</strong> 54,9 % <strong>de</strong> acurácia. Esses resultadosindicam que algumas regras são essenciais no <strong>de</strong>senvolvimento do mo<strong>de</strong>lo, enquantooutras apenas aumentam a complexi<strong>da</strong><strong>de</strong> <strong>de</strong>ste, além <strong>de</strong> não contribuírem <strong>para</strong> oaumento <strong>de</strong> acurácia.Tabela 14 – Diferentes classes <strong>de</strong> po<strong>da</strong>s aplica<strong>da</strong>s nos <strong><strong>da</strong>dos</strong> com a melhor acurácia geral.Classes <strong>de</strong> po<strong>da</strong> Regras Acurácia (%)20 212 54,9550 178 54,94100 164 54,91A partir <strong>de</strong> testes <strong>de</strong> entropia e qui-quadrado foi possível verificar orankeamento dos atributos quanto à contribuição no mo<strong>de</strong>lo gerado. A tabela 15 ilustraa or<strong>de</strong>m <strong>de</strong> importância <strong>para</strong> a folha São Pedro <strong>para</strong> os dois testes.66
- Page 1 and 2:
INSTITUTO AGRONÔMICOCURSO DE PÓS-
- Page 4 and 5:
Primeiramente a Deus, pela vida,Ao
- Page 6 and 7:
- A toda turma do geoprocessamento
- Page 8 and 9:
ÍNDICE DE TABELASTabela 1 - Distri
- Page 10 and 11:
ÍNDICE DE FIGURASFigura 1 - Repres
- Page 12 and 13:
CRIVELENTI, Rafael Castro. Mineraç
- Page 14 and 15:
CRIVELENTI, Rafael Castro. Data min
- Page 16 and 17:
1 INTRODUÇÃOA distribuição espa
- Page 18 and 19:
2 REVISÃO DE LITERATURA2.1 Histór
- Page 20 and 21:
2.2 Levantamento pedológico por m
- Page 22 and 23:
corretivas ou compensatórias de ca
- Page 24 and 25:
Nesta perspectiva, é oportuno dese
- Page 28 and 29:
irregulares (MONTGOMERY, 2003). As
- Page 30 and 31: o objetivo de diminuir o erro por e
- Page 32 and 33: Recentemente, SIRTOLI et al. (2008)
- Page 34 and 35: intermediário, é a unidade de tom
- Page 36 and 37: −∑H x / y)= p .ln( p / p )[3](i
- Page 38 and 39: Estes sistemas manipulam dados geor
- Page 40 and 41: 2.9 Comparação entre resultados d
- Page 42 and 43: mapeamento, considerando as classes
- Page 44 and 45: correlacionaram com a distribuiçã
- Page 46 and 47: 3 MATERIAL E MÉTODOS3.1 Descriçã
- Page 48 and 49: (a)120Extrato do Balanço Hídrico
- Page 50 and 51: (a)(b)Figura 5 - Mapas de geologia
- Page 52 and 53: Conforme PONÇANO (1981), o ambient
- Page 54 and 55: h) Cambissolo: Solos constituídos
- Page 56 and 57: 1:1.000.000 (IPT, 1981), e evidenci
- Page 58 and 59: ) Curvatura em perfil (VALERIANO, 2
- Page 60 and 61: dados estratificados retirados ante
- Page 62 and 63: 4 RESULTADOS E DISCUSSÃO4.1 MDE, G
- Page 64 and 65: (a)(b)(c)Figura 7 - Mapas de variá
- Page 66 and 67: (a)(b)(c)Figura 8 - Mapas de variá
- Page 68 and 69: 4.2 Análise dos dados e elaboraç
- Page 70 and 71: BalanceamentosFigura 10 - Distribui
- Page 72 and 73: ocorrência deixe de ser amostrada
- Page 74 and 75: unidades de mapeamento de solos fos
- Page 76 and 77: devido a sua grande representativid
- Page 78 and 79: Tabela 12 - Atualização da legend
- Page 82 and 83: Tabela 15 - Ordenamento das variáv
- Page 84 and 85: A partir da sobreposição dos mapa
- Page 86 and 87: Tabela 16 - Matiz de confusão das
- Page 88 and 89: Tabela 17 - Porcentagem de acerto e
- Page 90 and 91: Como pode ser observado na figura 1
- Page 92 and 93: unidades de mapeamento. Por exemplo
- Page 94 and 95: O latossolo vermelho amarelo textur
- Page 96 and 97: mapeamento de solos fosse classific
- Page 98 and 99: predominância de latossolos (64 %)
- Page 100 and 101: um banco de dados digitais para ess
- Page 102 and 103: 6 SUGESTÕESComo trabalhos futuros
- Page 104 and 105: mapa de solos na região de Três P
- Page 106 and 107: COSTA CABRAL, M. & BURGES, S.J. Dig
- Page 108 and 109: IBGE - INSTITUTO BRASILEIRO DE GEOG
- Page 110 and 111: McBRATNEY, A.B.; MENDONÇA SANTOS,
- Page 112 and 113: PISSARA, T.C.T.; POLITANO, W.; FERR
- Page 114 and 115: TURCOTTE, R.; FORTIN, J.P.; ROUSSEA
- Page 116 and 117: 8 ANEXO(S)Anexo I………………
- Page 118 and 119: 65,9 0,9 3,6 6,8 LVdf text. argilos
- Page 120 and 121: Balanceamento de classes = 1a b c d
- Page 122: Anexo VI - Matriz de confusão para