Uso de regressões logísticas múltiplas para mapeamento digital de solos no Planalto Médio do RS

Abstract

Regressões nominais logísticas estabelecem relações matemáticas entre variáveis independentes contínuas ou discretas e variáveis dependentes discretas. Essas foram avaliadas quanto ao seu potencial em predizer a ocorrência e distribuição de classes de solos na região dos municípios de Ibirubá e Quinze de Novembro (RS). A partir de modelo numérico de terreno digital (MNT) com 90 m de resolução, foram calculadas variáveis de terreno topográficas (elevação, declividade e curvatura) e hidrográficas (distância dos rios, índice de umidade topográfica, comprimento de fluxo de escoamento e índice de poder de escoamento). Foram então estabelecidas regressões logísticas múltiplas entre as classes de solos da região com base em levantamento tradicional na escala 1:80.000 e as variáveis de terreno. As regressões serviram para calcular a probabilidade de ocorrência de cada classe de solo, e o mapa final de solos estimado foi produzido atribuindo-se a cada célula do mapa a denominação da classe de solo com maior probabilidade de ocorrência. Observou-se acurácia geral (AG) de 58 % e acurácia pelo coeficiente Kappa de Cohen de 38 %, comparando-se o mapa original com o mapa estimado dentro da escala original. Uma simplificação de escala foi pouco significativa para o aumento da acurácia do mapa, sendo 61 % de AG e 39 % de Kappa. Concluiu-se que as regressões logísticas múltiplas apresentaram potencial preditivo para serem usadas como ferramentas no mapeamento supervisionado de solos.

Logistic nominal regressions establish mathematical relations between continuous or discrete independent variables and discrete dependent variables. The prediction potential of the occurrence and distribution of soil classes in the region Ibirubá and Quinze de Novembro, RS, Brazil was evaluated. Using a digital elevation model (DEM) with 90 m resolution, were calculated several topographic characteristics (elevation, slope, and curvature) and hydrographic variables (distance to rivers, flow length, topographical wetness index, and stream power index). Multiple logistic regressions were established between the soil classes mapped on the basis of a traditional survey at a scale of 1:80.000 and the land variables calculated using the DEM. The regressions were used to calculate the probability of occurrence of each soil class. The final estimated soil map was drawn by assigning the soil class with highest probability of occurrence to each cell. The general accuracy was evaluated at 58 % and the Kappa coefficient at 38 % in a comparison of the original soil map with the map estimated at the original scale. A legend simplification had little effect to increase the general accuracy of the map (general accuracy of 61 % and Kappa coefficient of 39 %). It was concluded that multiple logistic regressions have a predictive potential as tool of supervised soil mapping.