Predição de classes de solo em uma paisagem complexa no Sul do Brasil

Resumo

O objetivo deste trabalho foi avaliar o uso da seleção de covariáveis por conhecimento especializado no desempenho de modelos de predição de classes de solos em uma paisagem complexa, para identificar o melhor modelo preditivo para o mapeamento digital de solos na região Sul do Brasil. Um total de 164 pontos foram amostrados em campo, com uso do hipercubo latino condicionado, tendo-se considerado as covariáveis elevação, declividade e aspecto. A partir do modelo digital de elevação, extraíram-se as covariáveis ambientais que compuseram três conjuntos, formados por: 21 covariáveis, covariáveis após exclusão das multicolineares e covariáveis escolhidas por conhecimento especializado. A predição foi realizada com os seguintes modelos: árvore de decisão, floresta aleatória, regressão logística múltipla e máquina de vetor de suporte. A acurácia dos modelos foi avaliada pelo índice kappa (K), pela acurácia geral (AG) e pela acurácia da classe. Os modelos de previsão foram sensíveis à amostragem desproporcional de classes de solo. O melhor mapa predito obteve AG de 71% e K de 0,59. O uso do conjunto de covariáveis escolhido pelo conhecimento especializado melhora o desempenho do modelo em prever as classes de solo em uma paisagem complexa, e floresta aleatória é o melhor modelo para previsão espacial das classes de solo.