Qualidade do modelo digital de elevação na acurácia do mapeamento digital de solos

RESUMO

Modelos digital de elevação (MDE) usados no mapeamento digital de solo (MDS) são comumente selecionados com base em medidas e indicadores (critérios de qualidade) que refletem como um determinado MDE representa a superfície da paisagem. A hipótese é que, quanto mais acurado for um DEM, mais acurada serão as predições do MDS. O objetivo deste estudo foi avaliar diferentes critérios para identificar o MDE que fornece as predições mais acuradas do MDS. Um conjunto de 10 critérios foi utilizado para avaliar a qualidade de nove MDEs construídos com diferentes fontes de dados, rotinas de processamento e três resoluções (5, 20 e 30 m). Modelos de regressão logística multinomial foram calibrados usando 157 observações de solo e atributos de terreno derivados de cada MDE. As predições de classe de solo foram validadas usando validação cruzada leave-one-out. Os resultados mostraram que, para cada resolução, os critérios de qualidade são úteis para identificar o MDE que representa mais precisamente a superfície da paisagem. No entanto, para todas as três resoluções, o MDE mais acurado não produziu as predições mais acuradas do MDS. Com os MDEs de resolução de 20 m, as predições do MDS foram cinco pp menos acuradas ao usar o MDE mais acurado. A resolução de 5 m foi o MDE mais acurado e resultou em predições com 44% de acurácia; este valor foi igual ao obtido com duas resoluções mais grossas, MDEs com menor acurácia. Assim, a identificação do melhor MDE para o MDS exige a avaliação da acurácia das predições do MDS usando alguma forma de validação externa, porque não necessariamente o MDE mais acurado produzirá as melhores predições do MDS.

Termos para indexação:
Regressão logística multinomial; variáveis preditoras; colinearidade; entropia de Shannon