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