Printer Friendly

Discriminacao de unidades de paisagem para fins de levantamentos pedologicos por meio da resposta espectral orbital.

Introducao

Frente as perspectivas para melhor preservacao e desenvolvimiento do meio ambiente no terceiro 2milenio, a gestao territorial e um dos grandes desafios dos diferentes segmentos da sociedade, principalmente em relacao a qualidade ambiental para a preservacao da biodiversidade e da qualidade de vida do planeta. Um dos pressupostos para o adequado gerenciamento territorial e o conhecimento da capacidade de uso e manejo das areas potencialmente agricultaveis. Neste contexto, os levantamentos dos solos tem papel fundamental no processo de gestao dos recursos naturais. Avaliar e aplicar as tecnologias disponiveis, dentre as quais a analise do comportamento espectral, seria uma forma de contribuir com a identificacao de solos para fins de levantamento.

Em relacao ao uso de sensores remotos, muitos dos trabalhos realizados por diferentes autores demonstram a importancia e a possibilidade de caracterizar os solos por sensores remotos instalados em plataformas terrestres, orbitais e suborbitais (STONER; BAUMGARDNER, 1981). Outros trabalhos demonstraram metodologias e/ou tecnicas que efetivamente podem ser aplicadas no mapeamento como Andronikov e Dobrolv'skiy (1991), Dematte et al. (2001) e Nanni et al. (2004). Al-Abbas et al. (1972) descrevem que, com o desenvolvimento de tecnicas computacionais para analisar medidas de reflectancia obtidas de forma remota, houve a possibilidade do mapeamento dos solos de maneira mais rapida e eficiente e numa escala mais ampla que as anteriormente realizadas. Um exemplo atual refere-se ao EO-1, um novo satelite cujas expectativas dos pesquisadores da agencia espacial americana refletem, dentre outros temas de interesse, o estudo da geologia, dos solos e o monitoramento agricola, com reducao de custos e aumento da qualidade das informacoes obtidas pela analise da resposta espectral (BECK, 2003).

A base de tais estudos esta no fato de que cada solo apresenta uma assinatura espectral, decorrente da interacao entre cada atributo e a energia eletromagnetica em determinado comprimento de onda. A possibilidade de que a resposta espectral possa auxiliar na discriminacao de unidades de solos baseia-se no pressuposto de que cada classe apresenta caracteristicas que a difere das demais e, portanto e taxonomicamente individualizada (NANNI et al., 2004). Como a resposta espectral dos solos tambem e uma caracteristica individualizada, supoe-se que o uso desta variavel possa separar as classes de solos e, portanto, auxiliar nos levantamentos pedologicos (NANNI; DEMATTE, 2006).

A analise discriminante apresenta-se como uma poderosa ferramenta para levantamentos dos solos segundo Webster e Oliver (1990). Varios autores tem demonstrado a possibilidade de predizer classes de solos e/ou sua separabilidade na paisagem por meio da analise multivariada. Uma das desvantagens da analise discriminante acerca do mapeamento das propriedades dos solos, e que a localizacao geoespacial das suas propriedades nao pode ser utilizada no desenvolvimento de modelos preditores. No entanto, os autores destacam que a combinacao da capacidade de predicao da analise discriminante com os metodos geoestatisticos pode tornar-se muito valiosa para os propositos de mapeamento e manejo ambiental. Desta forma, este trabalho foi conduzido com o objetivo de avaliar o potencial de discriminacao de unidades de mapeamento de solos pela sua resposta espectral quando comparado aos metodos tradicionalmente utilizados.

Material e metodos

A area de estudo localiza-se na regiao Nortecentral paranaense delimitada pelas coordenadas UTM, com base no meridiano 51[grados]W.G. 386-410 km e 7461-7471 km do equador e numa altitude de 450 m. O clima da regiao e classificado, segundo Koppen, como Cfa, sendo subtropical umido mesotermico com veroes quentes e geadas menos frequentes que outras regioes do Estado, com tendencia de concentracao das chuvas nos meses de verao, sem estacao seca definida. Geologicamente, a area e representada por duas unidades, constituidas por rochas vulcanicas da Formacao Serra Geral da Era Mesozoica sobrepostas a arenitos friaveis (Q) do Quaternario Superior (Pleistoceno/Holoceno) da Formacao Paranavai (CHICATI et al., 2008), cuja sobreposicao possibilita o aparecimento de solos com diferenca textural no perfil (Argissolos).

O trabalho iniciou-se com a preparacao de uma base cartografica em laboratorio e o estabelecimento de um banco de dados georreferenciado. A documentacao cartografica utilizada foi constituida por cartas planialtimetricas em escalas 1:50.000 com curvas de nivel equidistantes em 20 m, carta pedologica de reconhecimento do Estado do Parana, produzida pela Embrapa (1984) na escala 1:650.000, carta climatica do Estado do Parana, mapas geologicos e geomorfologicos, fotografias aereas pancromaticas verticais em escala 1:25.000 e imagens orbitais. Para a execucao dos trabalhos foi utilizado, no decorrer do processo, o programa SPRING (INPE, 1999).

Uma vez configurado o banco de dados, foi estabelecida a base cartografica em escala 1:50.000, por meio da digitalizacao das cartas planialtimetricas existentes. As principais redes de drenagem, estradas, rodovias, carreadores e curvas de nivel foram digitalizados, via mesa digitalizadora, para compor esta base. Da mesma forma, os mapas geologico, geomorfologico, climatico e pedologico foram, conjuntamente, introduzidos para compor e complementar o banco de dados.

Com a digitalizacao das curvas de nivel e dos pontos cotados existentes nas cartas planialtimetricas da area de estudo, foi possivel criar modelos numericos de terreno com a finalidade de estabelecer as condicoes clinograficas da area de estudo, conforme estabelecido por INPE (1999). Utilizando-se estereoscopio de espelho demarcaram-se, em laboratorio, os limites de unidades fisiograficas (paisagem) em pares aerofotogrametricos verticais, conforme metodologia descrita por Goosen (1968). Os limites das unidades foram transferidos para o banco de dados de acordo com Nanni e Rocha (1997). Tal procedimento teve, como objetivo, a producao do mapa de solos pelo metodo tradicional.

No sistema SPRING foi estabelecido um grid amostral de 500 x 500 m na area a ser levantada indicando os locais nos quais seriam coletadas as amostras de solo, nas porcoes superficiais e subsuperficiais para identificacao e classificacao de solo conforme descrito por Nanni et al. (2004). As unidades fisiograficas delimitadas foram utilizadas juntamente com os pontos de coleta de amostras de solo para estabelecimento do mapeamento pedologico tradicional. Em seguida, foi produzida uma carta que continha os pontos de tradagem e suas respectivas coordenadas, para a realizacao da fase de prospeccao no campo. Pelo sistema GPS, localizaram-se os pontos por meio do sistema de navegacao. As amostras coletadas foram enviadas ao laboratorio para realizacao das analises fisicas e quimicas de acordo com Embrapa (1997).

De posse dos resultados das analises fisicas e quimicas dos solos e da avaliacao empirica de sua distribuicao espacial, foram estabelecidas as classes de solo presentes na area conforme Embrapa (2006), formando o mapa de solos padrao obtido por meio dos metodos tradicionais. Imagens orbitais do sensor TM do satelite Landsat de diferentes datas, compondo as bandas 1, 2, 3, 4, 5 e 7 foram registradas (correcao geometrica em relacao ao plano terrestre) e incorporadas ao sistema. A partir dai foi possivel realizar contraste linear, para melhoria da qualidade visual e observacao dos temas (INPE, 1999).

Na sequencia foram aplicados, sobre as mesmas, os processos de correcao atmosferica e conversao dos niveis de cinza das imagens para Fatores de Reflectancia Bidirecional Aparente (FRBA) e normalizacao radiometrica. Para tanto utilizou-se o software denominado Sistema de Correcao Radiometrica de Imagens de Satelite (SCORADIS), fundamentado na teoria e nos parametros atmosfericos calculados pelo Modelo 5S (Simulation du Signal Satellitarie dans le Spectre Solarie), conforme Tanre et al. (1990). Conforme o modelo de simulacao 5S, os numeros digitais das imagens orbitais sao normalizados para reflectancia aparente do "topo da atmosfera" e depois corrigidos o "Rayleigh scattering" e a absorcao por ozonio usando o codigo simulado de radiacao transferida. As equacoes que descrevem tais procedimentos sao listadas a seguir:

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII.] (1)

Sendo [L.sub.s([lambda])] (mw [cm.sup.-2] [sr.sup.-1] [micro]m) a radiancia que chega ao detector do sensor num dado comprimento de onda; [DN.sub.([lambda])] e o numero digital para cada banda do TM; n, m sao os coeficientes de calibracao do TM; [[rho].sub.app] e a reflectancia aparente do "topo da atmosfera"; [E.sub.0[lambda]], e a irradiancia solar exoatmosferica relacionada com cada intervalo espectral do TM; [theta]z e o angulo zenital solar; d e a distancia da superficie da Terra ao Sol (unidades astronomicas); [[rho].sup.*] e a reflectancia corrigida Rayleigh//Ozonio; [T.sub.o3] e a transmitancia do ozonio (absorcao); pa,r e a reflectancia atmosferica Rayleigh; [T.sub.r] e a transmitancia Rayleigh total da atmosfera. Apos o processamento para conversao e correcao, o nivel de cinza 0 presente na imagem passou a corresponder a reflectancia 0% e o nivel de cinza 255 a reflectancia 100%.

Com os dados espectrais dos solos nas imagens orbitais, foi estabelecido um mapa de unidades de mapeamento obtido pela classificacao naosupervisionada das imagens. Para tanto, a imagem foi dividida em porcoes, ou areas similares, atendendo ao processo denominado crescimento de regioes, onde o agrupamento de dados ou, neste caso, valores de reflectancia normalizada, podem ser reunidos somente as regioes adjacentes espacialmente.

Inicialmente, este processo de segmentacao rotula cada "pixel" como uma regiao distinta. Calcula-se um criterio de similaridade para cada par de regioes adjacentes espacialmente. O criterio de similaridade baseou-se no teste de hipotese estatistico que testa a media entre as regioes. A seguir, o processo dividiu a imagem em um conjunto de subimagens realizando-se entao a uniao entre elas, segundo um limiar de agregacao definido previamente (INPE, 1999). Desta forma, o sistema SPRING estabeleceu limites por meio de algoritmos de agrupamento de valores de reflectancia de cada regiao estudada demarcandose, nas imagens orbitais previamente avaliadas, as unidades de mapeamento.

Para cada poligono representativo de uma unidade de mapeamento foram observadas as caracteristicas fisico-quimicas das amostras de solo coletadas dentro de seus limites. Desta forma, foi possivel estabelecer um mapa de solos pela divisao da area pela reflectancia apresentada. Uma vez estabelecidos os limites computacionalmente foi possivel compara-los com aqueles do mapa de solos obtido pelo metodo tradicional. Por meio do algoritmo "tabulacao cruzada" do sistema foi gerada uma tabela com as areas em hectares de cada classe de solo definida pelo metodo tradicional e aquelas definidas pela classificacao nao-supervisionada (INPE, 1999).

Para avaliar a fidedignidade entre os dois mapas, os mesmos foram sobrepostos e assim foi possivel, por meio do sistema Spring, cruzar os dois planos de informacao: o mapa de solos convencional e o mapa de solos obtido por reflectancia. O sistema produziu, pela sobreposicao, uma matriz de erros (ou matriz de confusao) dos planos de informacao que continham os mapas avaliados. Para tanto, o mapa vetorial com as areas representativas das classes de solos obtidas pelo metodo convencional foi convertido em um mapa matricial com celulas de 30 x 30 m por meio do algoritmo vetor - matriz do sistema SPRING (INPE, 1999), para ser sobreposto aos poligonos formados pela classificacao nao-supervisionada da imagem TM-Landsat com iguais dimensoes.

A fidedignidade da classificacao foi avaliada pelo indice Kappa (K). A avaliacao de cada classe informacional, de forma particular, foi realizada calculando-se o Kappa condicional para linha (mapa convencional) e coluna (mapa de reflectancia), conforme a equacao a seguir:

[??] = [[theta].sub.1] - [[theta].sub.2]/1 - [[theta].sub.2] (2)

O nivel de exatidao do indice Kappa foi classificado conforme a Tabela 1, de acordo com o estabelecido por Landis e Koch (1977).

Para testar a significancia estatistica da diferenca entre dois indices Kappa, foi utilizado o teste Z de Congalton e Green (2009) a seguir:

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII.] (3)

no qual [K.sub.1] = indice Kappa da imagem 1; [K.sub.2] = indice Kappa da imagem 2; e [[sigma].sup.2] = variancia do indice Kappa (expressao 4).

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII.] (4)

no qual:

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII.] (5)

Com as classificacoes, comparadas por meio do teste Z (ou teste-padrao de normalidade), testou-se a hipotese de nulidade (H0) que ambos os mapas apresentaram classificacoes diferentes (K = 0) em contraposicao a H1 em que as classificacoes sao semelhantes (K > 0) para a/2 p < 0,05.

Resultados e discussao

O mapa de solos, produzido por meio da analise fotointerpretativa, possibilitou a delimitacao de seis unidades de paisagem, que configuraram, apos a avaliacao dos resultados das analises fisico-quimicas e com as descricoes realizadas no campo, o mapa de solos obtidos pelo metodo convencional.

Apos a obtencao dos limites, realizou-se o exame das analises laboratoriais das areas delimitadas e de acordo com Embrapa (2006), pode-se estabelecer a presenca de nove unidades ou classes de solos, agrupadas em cinco grandes grupos conforme a Figura 1.

Na analise da Figura 1, percebem-se diferencas nao apenas nas classes de solo representadas cartograficamente, mas tambem no numero de classes. Tal condicao deve-se, principalmente, a constituicao geologica local que, conforme Chicati et al. (2008), e representada por basaltos toleiticos recobertos por arenitos da Formacao Paranavai. Assim, as porcoes de topo mais preservadas do relevo apresentaram solos mais homogeneos, profundos e com baixos teores de argila, como e o caso dos Latossolos Vermelhos desta regiao. As porcoes de media vertente estao ocupadas por solos com presenca de gradiente textural no perfil como os Argissolos e os Latossolos argissolicos, uma vez que a intersecao arenito/basalto tem ocorrencia nesta porcao da paisagem. Na porcao final da vertente, onde o relevo apresenta-se mais dissecado, ocorrem os Nitossolos desenvolvidos sobre o material vulcanico. Pequenas porcoes de Neossolos Quartzarenicos e de Gleissolos tambem foram encontradas, principalmente proximos aos canais de drenagem, sobre material sedimentar arenoso.

A descricao das unidades de solos que foram identificadas na area de estudo pela utilizacao de analise fisiografica obtida pela fotointerpretacao das fotografias aereas e apresentada na Tabela 2.

[FIGURA 1 OMITIR]

Posteriormente, foram definidos os poligonos na imagem Landsat obtidos pelo agrupamento de pixels da classificacao nao-supervisionada utilizando-se os valores de reflectancia. A partir das areas individualizadas pela classificacao nao-supervisionada e pelas caracteristicas fisicoquimica dos solos presentes, foi gerado o mapa de unidade de solos como apresentado na Figura 2. Observou-se que o numero de poligonos obtidos pelo agrupamento de pixel que continham valores de reflectancia (metodo nao-convencional) foi substancialmente maior (469), que aquele obtido pelo primeiro (35, na analise da paisagem). Tal fato se deve, principalmente, pela variacao da reflectancia da area de estudo, decorrente das alteracoes dos teores de argila e areia em superficie como tambem, pela variacao de uso da terra, que pode influenciar diretamente a reflectancia aparente obtida na imagem.

No caso da analise da paisagem tais componentes, em muitos casos, passam despercebidos uma vez que o fotointerprete reconheca as diferencas geomorfologicas, mas nao as variacoes de textura, prevalecendo a acuidade do mesmo na definicao desses limites como estabelecido por Nanni e Rocha (1997).

Outro fator relacionado ao maior numero de poligonos se refere as propriedades dos solos, que na imagem demonstraram caracteristicas espectrais discordantes. Tais propriedades podem influenciar na reflectancia, mas ao enquadrar os individuos no SiBCS, os mesmos acabam enquadrando-se numa mesma classe dentro de um certo nivel categorico.

Por meio do cruzamento entre os limites das classes de solos obtidos pelos dois metodos observou-se que a porcentagem de similaridade geral entre os poligonos foi de 75%, podendo chegar a 82% no caso dos Latossolos Vermelhos eutroficos (Tabela 3).

Para avaliacao do indice de similaridade, foi utilizado o indice Kappa. Para tanto, construiu-se a matriz de erros, que representa a distribuicao de pixels ou celulas classificadas de forma correta ou erroneamente entre os mapas, conforme estabelecido na Tabela 4 de acordo com Congalton e Mead (1991).

Neste trabalho escolheu-se o Indice Kappa, para avaliar a aceracea tematica por ser mais sensivel as variacoes de erros de omissao e inclusao conforme descrito por Cohen (1960). Sua grande vantagem e que para o seu calculo nao se incluem somente os elementos da diagonal principal e sim todos os elementos da matriz de erro (MOREIRA, 2001).

[FIGURA 2 OMITIR]

A exatidao total ([[theta].sub.1]), obtida pela equacao 5, para a matriz de erros foi de 0,55, estabelecido pela soma de todos os valores da diagonal da tabela 4 e dividido por 49772. Ja o valor ([[theta].sub.2]), ou seja, a exatidao total para a matriz de classificacao e a verdade de campo quando independentes entre si foi 0,21. O indice Kappa, obtido com os valores acima e, segundo a expressao 2 foi de 0,43:

[??] = [[theta].sub.1] - [[theta].sub.2]/1 - [[theta].sub.2] = 0,55 - 0,21/1 - 0,21 = 0,43

Este valor, segundo estabelecido por Landis e Kock (1977), representa boa qualidade (Tabela 1). Para assegurar que o valor de k e significativo, estabeleceu-se o valor Z pela equacao 2. O valor encontrado para Z foi de 297,1 indicando que ha concordancia entre as classificacoes dos solos realizada pela analise das reflectancias da imagem orbital e aquelas obtidas pelo mapeamento tradicional uma vez que o valor tabelado para Z e de 1,96 para 95% de probabilidade (CONGALTON; GREEN, 2009).

Conclusao

A similaridade entre os poligonos obtidos pelo metodo tradicional e pela reflectancia aparente da imagem orbital foi de ate 75%. O numero de poligonos gerados pela analise de agrupamentos dos valores de reflectancia foi significativamente maior que aqueles obtidos na fotointerpretacao. O valor do indice de similaridade Kappa entre as matrizes de confusao foi de 0,43, sendo considerada boa. Ha concordancia entre os mapas gerados pela reflectancia e o metodo tradicional definido pelo valor de Z.

Agradecimientos

Ao CNPq, pelas bolsas de iniciacao cientifica (PIBIC/CNPq-UEM processo n. 13323/2007), produtividade (processo n. 310948/2006-1 e processo n. 300371/96-9) e doutorado (processo n. 141421/2007-0).

DOI: 10.4025/actasciagron.v32i3.6144

Received on January 16, 2009.

Accepted on October 27, 2009.

Referencias

AL-ABBAS, A. H.; SWAIN, P. H.; BAUMGARDNER, M. F. Relating organic matter and clay content to multispectral radiance of soils. Soil Science, v. 114, n. 6, p. 477-485, 1972.

ANDRONIKOV, V. L.; DOBROLV'SKIY, G. V. Theory and methods for the use of remote sensing in the study of soils. Mapping Sciences and Remote Sensing, v. 28, n. 2, p. 92-101, 1991.

BECK, R. EO-1-User guide. Ohio: Department of Geography; University of Cincinnati Edition, 2003.

CHICATI, M. L.; NANNI, M. R.; CEZAR, E.; DEMATTE, J. A. M.; OLIVEIRA, R. B. Caracterizacao de alguns atributos do solo e sua correlacao com a paisagem em uma porcao do noroeste do Estado do Parana, Acta Scientiarum. Agronomy, v. 30, n. 5, p. 719-724, 2008.

COHEN, J. A coefficient of agreement for nominal scales. Educational and Psychological Measurement, v. 20, n. 1, p. 37-46, 1960.

CONGALTON, R. G.; GREEN, K. Assessing the accuracy of remotely sensed data: principles and practices. 2. ed. Boca Raton: Taylor and Francis, 2009.

CONGALTON, R. G.; MEAD, R. A. A review of assessing the accuracy of classifications of remote sensed data. Remote Sensing of Environment, v. 37, n. 1, p. 35-46, 1991.

DEMATTE, J. A. M.; DEMATTE, J. L. I.; CAMARGO, W. P.; FIORIO, P. R.; NANNI, M. R. Remote sensing in the recognition and mapping of tropical soils developed on topographic sequences. Mapping Sciences and Remote Sensing, v. 38, n. 2, p. 79-102, 2001.

EMBRAPA-Empresa Brasileira de Pesquisa Agropecuaria. Levantamento de reconhecimento dos solos do estado do Parana. Curitiba: Embrapa, 1984. (Boletim Tecnico, 57).

EMBRAPA-Empresa Brasileira de Pesquisa Agropecuaria. Manual de metodos de analise de solo. Rio de Janeiro: Embrapa, 1997.

EMBRAPA-Empresa Brasileira de Pesquisa Agropecuaria. Sistema brasileiro de classificacao de solos. Rio de Janeiro: Embrapa, 2006.

GOOSEN, D. Interpretacion de fotos aereas y su importancia en levantamiento de suelos. Roma: Organizaciones de las naciones unidas para la agricultura y alimentacion, 1968. (Boletin Sobre Suelos, n. 6).

INPE-Instituto Nacional de Pesquisas Espaciais. Tutorial Spring: Spring basico. Sao Jose dos Campos: Inpe, 1999.

LANDIS, J.; KOCH, G. The measurement of observer agreement for categorical data, Washington, USA. Biometrics, v. 33, n. 1, p. 159-174, 1977.

MOREIRA, M. A. Fundamentos de sensoriamento remoto. Sao Jose dos Campos: INPE, 2001.

NANNI, M. R.; DEMATTE, J. A. M. Spectral reflectance methodology in comparison to traditional soil analysis. Soil Science Society of America Journal, v. 70, n. 2, p. 393-407, 2006.

NANNI, M. R.; ROCHA, H. O. Integration of GIS technology, remote sensing and multivariate analysis in the delimitation of physiographic units for pedological mapping. Boletim do Instituto de Geociencias, v. 1, n. 28, p. 129-143, 1997. (Serie Cientifica).

NANNI, M. R.; DEMATTE, J. A. M.; FIORIO, P. R. Analise discriminante dos solos por meio da resposta espectral no nivel terrestre. Pesquisa Agropecuaria Brasileira, v. 39, n. 10, p. 995-1006, 2004.

STONER, E. R.; BAUMGARDNER, M. F. Characteristic variations in reflectance of surface soils. Soil Science Society of America Journal, v. 45, n. 1, p. 1161-1165, 1981.

TANRE, D.; DEROO, C.; DUHAUT, P.; HERMAN, M.; MORCRETTE, J. J.; PERBOS, J.; DESCHAMPS, P. Y. Description of a computer code to simulate the satellite signal in the solar spectrum: the 5S code. International Journal of Remote Sensing, v. 11, n. 4, p. 659-668, 1990.

WEBSTER, R.; OLIVER, M. A. Statistical methods in soil and land resource survey. Oxford: Oxford University Press, 1990.

License information: This is an open-access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

Marcos Rafael Nanni (1), Everson Cezar (1), Marcelo Luiz Chicati (1) *, Fernando Teruhiko Hata (1), Roney Berti Oliveira (1) e Jose Alexandre Dematte (2)

(1) Departamento de Agronomia, Centro de Ciencias Agrarias, Universidade Estadual de Maringa, Av. Colombo, 5790, 87020-900, Maringa, Parana, Brasil. (2) Departamento de Solos e Nutricao de Plantas, Escola Superior de Agricultura "Luiz de Queiroz", Universidade de Sao Paulo, Piracicaba, Sao Paulo, Brasil. * Autorpara correspondencia. E-mail: mlchicati@yahoo.com.br
Tabela 1. Nivel de exatidao de uma classificacao,
conforme o valor de indice Kappa.

Indice Kappa (K)                    Qualidade

K [menor que o igual a] 0,2            Ruim
0,2 < K [menor que o igual a] 0,4    Razoavel
0,4 < K [menor que o igual a] 0,6      Bom
0,6 < K [menor que o igual a] 0,8    Muito Bom
K [mayor que o igual a] 0,8          Excelente

Tabela 2. Area das unidades de mapeamento presente na area de
estudo.

Simbolo da        Area       Classificacao dos Solos (EMBRAPA, 2006)
Classe          ha     (%)

LVd           288,1    5,7   Latossolo Vermelho distrofico tipico
LVe          1927,5   38,1   Latossolo Vermelho eutrofico tipico
LVet          407,0    8,0   Latossolo Vermelho eutrofico argissolico
LVa            48,3    1,0   Latossolo Vermelho aluminico
NVef          292,5    5,8   Nitossolo Vermelho eutroferrico tipico
PVd           123,4    2,4   Argissolo Vermelho distrofico tipico
PVe          1566,8   31,0   Argissolo Vermelho eutrofico tipico
RQo            98,7    2,0   Neossolo Quartzarenico ortico
GXbd          308,7    6,1   Gleissolos Haplico Tb distrofico

Tabela 3. Porcentagem de similaridade entre os poligonos de
cada classe de solo obtido pelos metodos convencional e de
reflectancia aparente.

                           Poligonos obtidos pela classificacao
                         nao-supervisionada utilizando-se valores
                                 de reflectancia aparente

Metodo Convencional    LVe     LVd      AVe     AVd     NQo     LVa

LVe                   82,80   15,19    9,30     0,00   26,81    1,05
LVd                    1,25   72,79    1,24     0,00    0,00   26,31
AVe                    1,48    0,00    7,21   100,00    0,00    2,10
AVd                   10,07    1,49   76,46     0,00    8,19    0,00
NQo                    0,69    0,00    1,13     0,00   63,59    0,00
LVa                    0,49   10,51    0,47     0,00    0,00   70,52
NVe                    0,13    0,00    0,76     0,00    0,00    0,00
LVet                   1,44    0,00    0,52     0,00    1,39    0,00
GXbd                   1,61    0,00    2,88     0,00    0,00    0,00

                      Poligonos obtidos pela
                      classificacao nao-
                      supervisionada
                      utilizando-se valores
                      de reflectancia aparente

Metodo Convencional     NVe    LVet    GXbd

LVe                    0,83   10,96    9,59
LVd                    0,00    0,44    0,00
AVe                    0,00    0,00    0,00
AVd                   19,45   13,81    7,49
NQo                    0,00    2,22    0,00
LVa                    0,00    0,00    0,00
NVe                   66,03    7,67    3,09
LVet                  10,37   61,61    0,95
GXbd                   3,30    3,26   78,85

Tabela 4. Matriz de erros entre o mapa de campo e
aquele produzido pela classificacao nao- supervisionada
por meio das respostas espectrais da imagem orbital.

Realidade       Classificacao nao-supervisionada
de campo        (reflectancia da imagem orbital)

             LVe     LVd    AVe    AVd   NQo    LVa

LVe         18394    214   1341     0    288     1
LVd          279    1025    179     0     0     25
AVe          2238    21    11019   12     88     0
AVd          329      0    1039     0     0      2
NQo          153      0     163     0    683     0
LVa          110     148     69     0     0     67
NVe           30      0     110     0     0      0
LVet         322      0      76     0     15     0
GXbd         358      0     415     0     0      0
            22213   1408   14411   12    1074   95

                   Classificacao
                 nao-supervisionada
Realidade          (reflectancia da
de campo           imagem orbital)

             NVe   LVet   GXbd

LVe          34    423     251   20946
LVd           0     17      0     1525
AVe          795   533     196   14902
AVd           0      0      0     1370
NQo           0     86      0     1085
LVa           0      0      0      394
NVe         2698   296     81     3215
LVet         424   2377    25     3239
GXbd         135    126   2062    3096
            4086   3858   2615   49772
COPYRIGHT 2010 Universidade Estadual de Maringa
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2010 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:texto en portugues
Author:Nanni, Marcos Rafael; Cezar, Everson; Chicati, Marcelo Luiz; Teruhiko Hata, Fernando; Berti Oliveira
Publication:Acta Scientiarum Agronomy (UEM)
Date:Jul 1, 2010
Words:4480
Previous Article:Interacao de doses de calcario e zinco nas caracteristicas morfologicas e nos componentes de producao da mamoneira.
Next Article:Meiotic behavior in Panicum maximum Jacq. (Poaceae: Panicoideae: Paniceae): hybrids and their genitors.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters