Digital mapping of soil parent material in a heterogeneous tropical area

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]

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

• 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