Digital mapping of soil parent material in a heter... - BV FAPESP
Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Digital mapping of soil parent material in a heterogeneous tropical area

Texto completo
Autor(es):
Bonfatti, Benito R. [1] ; Dematte, Jose A. M. [1] ; Marques, Karina P. P. [1] ; Poppiel, Raul R. [1] ; Rizzo, Rodnei [1] ; Mendes, Wanderson de S. [1] ; Silvero, Nelida E. Q. [1] ; Safanelli, Jose L. [1]
Número total de Autores: 8
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Luiz de Queiroz Coll Agr, Dept Soil Sci, Ave Padua Dias 11, Postal Box 09, BR-13416900 Piracicaba, SP - Brazil
Número total de Afiliações: 1
Tipo de documento: Artigo Científico
Fonte: Geomorphology; v. 367, OCT 15 2020.
Citações Web of Science: 0
Resumo

Parent material is one of the five factors in soil formation. Studies on parent material allow interpreting soil genesis processes and improve our knowledge of specific soil attributes. However, soil parent material maps at detailed cartographic scale (finer than 1:100,000) are rare in tropical areas and it is usually inferred from poorly detailed geological data, which generally group different lithologies into single units. Thus, we propose a methodology to map soil parent material based on remote sensing and machine learning in a geologically very complex area. The study site covers 1378 km(2) in Sao Paulo State, Brazil. Prediction models used data from 280 geological observation points, a digital elevation model (spatial resolution of 5 m, upscale to 30 m) and multitemporal Landsat images in a range of 30 years. We evaluated six classification algorithms, namely random forest, decision tree, support vector machine, multinomial logistic regression, K-means (unsupervised classification), and object-based image analysis with maximum likelihood classification. Environmental covariates were grouped to create different scenarios combining terrain derivatives, hydrologic covariates, topsoil spectral reflectance, and spatial coordinates. A bare soil image, elaborated using 30 years of Landsat data, was evaluated as a covariate to predict soil parent material. Predictions were validated using three different strategies: crossvalidation, separate validation dataset (20%), and comparison with legacy geological maps (information from two areas with geological maps at fine scale). We also assessed the correspondence between the map of predicted soil parent material and data of soil particle size from 571 soil sampling points. Random forest algorithm presented the best validation performance, whereas the group of terrain derivatives and hydrologic covariates explained most of model variation. The produced parent material map was coherent with the spatial distribution of soil particle size across the study area. (C) 2020 Elsevier B.V. All rights reserved. (AU)

Processo FAPESP: 18/12678-5 - Espectroscopia terrestre, orbital e relevo mediadas pelo sistema Random forest kriging no mapeamento de solos via pedo-transferência do Estado de São Paulo
Beneficiário:Benito Roberto Bonfatti
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 16/26124-6 - Pedologia de precisão: caracterização e mapeamento de solos em tempo real por geotecnologias
Beneficiário:Wanderson de Sousa Mendes
Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
Processo FAPESP: 15/16172-0 - Segmentação geomorfométrica associada com tipos de solos via geotecnologias
Beneficiário:Karina Patrícia Prazeres Marques
Modalidade de apoio: Bolsas no Brasil - Mestrado
Processo FAPESP: 14/22262-0 - Geotecnologias no mapeamento digital pedológico detalhado e biblioteca espectral de solos do Brasil: desenvolvimento e aplicações
Beneficiário:José Alexandre Melo Demattê
Modalidade de apoio: Auxílio à Pesquisa - Temático
Processo FAPESP: 16/01597-9 - Pedotransferência por geotecnologias associada à fotopedologia com vistas ao mapeamento pedológico de áreas agrícolas do estado de São Paulo
Beneficiário:José Lucas Safanelli
Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
Processo FAPESP: 18/23760-4 - Tecnologia espacial no ciclo do sensoriamento de solo e planta: aplicações nas áreas de mapeamento, agrícola e ambiental
Beneficiário:Rodnei Rizzo
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 20/04306-0 - Mapeamento pedométrico de solos do Estado de São Paulo usando dados de sensoriamento próximo e remoto mediante funções de pedo-transferência e aprendizado de máquina
Beneficiário:Raul Roberto Poppiel
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado