Compartimentação da paisagem via relevo e rede de drenagem e sua relação com atributos e classes de solos (2019)
- Authors:
- Autor USP: MELLO, FELLIPE ALCANTARA DE OLIVEIRA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LSO
- Subjects: CLASSIFICAÇÃO DO SOLO; ESTEREOSCOPIA; MAPEAMENTO DO SOLO; PAISAGEM; REDES DE DRENAGEM; RELEVO
- Language: Português
- Abstract: As fotografias aéreas, bem como as técnicas de estereoscopia, foram amplamente utilizadas para estudos ambientais e da paisagem. Com o avanço do mapeamento digital de solos os parâmetros da rede de drenagem foram sendo substituídos por parâmetros derivados do relevo, nas metodologias de predição de atributos do solo. No entanto, a literatura é ampla na atribuição da rede de drenagem como um fator determinante no mapeamento de solos, havendo a necessidade de desenvolver técnicas para inserir as características dos canais nos diferentes métodos de mapeamento do solo. Dessa forma, objetiva-se desenvolver um mapa de compartimentação da paisagem, através da rede de drenagem e um modelo digital de elevação (MDE), ambos com alta resolução espacial, visando avaliar as suas correlações com os atributos do solo (teor de argila nas profundidades 0-20 e 80-100 cm, gradiente textural, Ferro total (Fe2O3) e a cor do solo) e classes pedológicas. Tais procedimentos poderão auxiliar na produção de métodos base para relacionar a paisagem com a pedologia e o mapeamento. A área de estudo está localizada no município de Rio das Pedras, no estado de São Paulo, Brasil, com 538 km². O levantamento da rede de drenagem foi realizado a partir de fotografias aéreas com a visualização em 3D por estereoscopia digital. O MDE foi criado a partir de curvas altimétricas com equidistância vertical de 5 m. A partir das características da rede de drenagem e do relevo foram calculados os parâmetros morfométricosque representassem os dois elementos ao longo de toda a área de estudo. Com o processamento dos parâmetros foi utilizada a técnica fuzzy k-médias para fazer uma compartimentação da paisagem não supervisionada. Os resultados mostraram que a densidade de drenagem (DD) possui uma correlação negativa com os teores de argila (r = - 0.63), enquanto a correlação com o gradiente textural foi positiva (r = 0.42). O ferro total (Fe2O3) apresentou baixa variabilidade na área e não resultou em correlações significativas. A maior correlação foi com o matiz (r = 0.67), determinando solos mais amarelos nos locais de maior DD. A compartimentação da paisagem separou bem as posições do relevo em relação a DD. Cada compartimento se apresentou como uma unidade de mapeamento, havendo relação direta com classes pedológicas
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2019
- Data da defesa: 30.01.2019
-
ABNT
MELLO, Fellipe Alcantara de Oliveira. Compartimentação da paisagem via relevo e rede de drenagem e sua relação com atributos e classes de solos. 2019. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/11/11140/tde-29032019-103435/. Acesso em: 27 dez. 2025. -
APA
Mello, F. A. de O. (2019). Compartimentação da paisagem via relevo e rede de drenagem e sua relação com atributos e classes de solos (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de http://www.teses.usp.br/teses/disponiveis/11/11140/tde-29032019-103435/ -
NLM
Mello FA de O. Compartimentação da paisagem via relevo e rede de drenagem e sua relação com atributos e classes de solos [Internet]. 2019 ;[citado 2025 dez. 27 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11140/tde-29032019-103435/ -
Vancouver
Mello FA de O. Compartimentação da paisagem via relevo e rede de drenagem e sua relação com atributos e classes de solos [Internet]. 2019 ;[citado 2025 dez. 27 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11140/tde-29032019-103435/ - Remote sensing technologies for digital soil mapping: applications for agriculture and environmental planning
- Digital mapping of soil weathering using field geophysical sensor data coupled with covariates and machine learning
- Spatial prediction of soil surface properties in an arid region using synthetic soil image and machine learning
- Pedogenetic processes operating at different intensities inferred by geophysical sensors and machine learning algorithms
- A new methodological framework for geophysical sensor combinations associated with machine learning algorithms to understand soil attributes
- Combining multiple methods for automated soil delineation: from traditional to digital
- Integrating proximal geophysical sensing and machine learning for digital soil mapping: spatial prediction and model evaluation using a small dataset
- Sensor-based field methods for pedology and soil surveys: protocol suggestions for Brazilian tropical soils
- Soil health and ecosystem services in mangrove forests: A global overview
- Terrain Analysis in Google Earth Engine: A Method Adapted for High-Performance Global-Scale Analysis
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
