Publicação: Predição do fator erodibilidade do solo por meio de regressão krigagem
Carregando...
Arquivos
Data
Autores
Orientador
Lessa, Luís Gustavo Frediani
Coorientador
Pós-graduação
Agronomia (Energia na Agricultura) - FCA
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O desafio do homem em combater a erosão é tão antigo quanto a agricultura. A erodibilidade do solo (fator K) representa a fragilidade do mesmo sob ação da chuva e escoamento superficial, não sendo uma variável de simples mensuração, pois inclui todas as características do solo (tanto estáticas quanto dinâmicas) que controlam uma amplitude de sub processos, os quais afetam sua suscetibilidade à erosão. Este trabalho objetiva avaliar a qualidade da predição de erodibilidade do solo por meio da Regressão Krigagem (RK). A área de estudo compreende a Fazenda Experimental Edgárdia, que possui uma área de aproximadamente 1200 hectares localizados no Município de Botucatu – SP, da qual os atributos de solo para obtenção dos valores de referência de erodibilidade, foram obtidos de maneira direta ou indireta do Levantamento Semidetalhado dos Solos. Como fatores relacionados aos processos de formação e atributos do solo, foram testadas como covariáveis para a predição da erodibilidade do solo variáveis do relevo e índices espectrais obtidos a partir de imagens do satélite Landsat 5. O geoprocessamento possibilita uma gama de aplicações matemáticas para a organização, interpretação e representação gráfica de dados e a geoestatística trata de problemas referentes às variáveis regionalizadas com aparente continuidade no espaço. A análise geoestatística foi utilizada numa aplicação de metodologias sequenciais para predição, de modo que, por meio de variogramas e validações, foi possível determinar o grau de incerteza da predição da erodibilidade do solo. A hipótese de que o método de predição “Regressão Krigagem” tem melhor estimativa estatística (baixa incerteza do modelo), foi confirmada, uma vez que houve uma redução, ainda que pequena, do RMSE da Regressão Krigagem em relação a Krigagem Ordinária (KO), embora a distribuição espacial do conjunto amostral possa ter prejudicado o modelo determinístico em função de um possível agrupamento não geográfico.
Resumo (inglês)
Man's challenge to fight against soil erosion is as old as agriculture itself. Soil erodibility (K factor) is the soil frailty under rainy and runoff conditions, being hard to measure since it is a resultant of different static and dynamic soil properties that control several erosion susceptibilities related subprocess. This thesis aims to evaluate the Regression Kriging quality in soil erodibility prediction. The study site is known as Fazenda Experimental Edgárdia, with an area by the vicinity of 1200 hectares, located at Botucatu - SP municipality, of which soil data for reference erodibility values was collected directly or indirectly from a previous survey named Levantamento Semidetalhado dos Solos. Pedogenetics factors like terrain indices will be tested as covariates for soil erodibility as well as normalized difference indices from Landsat imagery. Geoprocessing allows a wide range of mathematical applications for an organization, interpreting and graphical representations of data, and the geostatistics is a topic that addresses problems related to regionalized variables with an apparent continuity in space. Then the geostatistical analysis was based on an application of sequential methodologies for prediction, so that, through variograms and validations, it was possible to determine the degree of uncertainty of the prediction of soil erodibility. The hypothesis that the prediction method “Regression Kriging” has a better statistical estimate (low model uncertainty), was confirmed, since the Regression Kriging RMSE had slightly decreased compared to Ordinary Kriging, although the spatial scattering of the samples may have compromised the deterministic model as a result of a possible non-geographic clustering.
Descrição
Palavras-chave
Geoprocessamento, Geoestatística, Fator K, Conservação de solos, Geoprocessing, Geostatistics, K factor, Soil conservation
Idioma
Português
