Modelagem de Dados de Sensoriamento Remoto para o Mapeamento Digital de Solos e Índice Relativo de Umidade dos Solos do Distrito Federal

Abstract

Estudiosos ao redor do mundo reconhecem que as ações antrópicas têm intensificado as variações nos fenômenos naturais na Terra. Os efeitos do chamado aquecimento global são cada vez mais perceptíveis em nível regional. O uso e ocupação indiscriminada das terras, a alta demanda por alimentos e água podem levar a diversos problemas socioeconômicos e ambientais como degradação do solo, assoreamento de corpos hídricos, aumento na ocorrência de queimadas e a crises de abastecimento de água, como a ocorrida no Distrito Federal (DF), Brasil, entre 2015 e 2017. Portanto, estudos com foco em solo e água podem subsidiar ações de gestão racional desses recursos. Nesse contexto, esta pesquisa teve como objetivo desenvolver uma metodologia que inter-relacione classes pedológicas com a dinâmica da água na superfície dos solos por meio de geotecnologias. Os procedimentos envolveram três etapas, as quais: a) mapeamento digital de solos (MDS), b) compilação de um índice relativo de umidade do solo (IRUS) e c) o cruzamento dessas informações cartográficas. Para a primeira etapa, foram estabelecidas as relações pedomorfogeológicas em campo para individualização de área e amostragem de solo, em que 173 perfis de solo foram designados para modelagem multiespectral de solo ao longo de três superfícies geomorfológicas em uma série temporal Landsat (1984 a 2020) construída por computação em nuvem. O segundo passo foi dedicado às estimativas de umidade do solo, realizadas mediante a modelagem por aprendizado de máquina com o algoritmo Random Forest aplicado aos dados dos satélites Sentinel-1 (radar) e Sentinel-2 (óptico), além de atributos dos solos e do terreno. Os modelos dessa etapa foram calibrados por dados de umidade gravimétrica medidos em 40 pontos, distribuídos em quatro setores do DF e extraídos sincronicamente com a passagem do Sentinel-1 sobre a região. Esta etapa foi repetida dez vezes ao longo de um ciclo pluviométrico (2019 a 2020) para o cálculo da variabilidade da umidade do solo na série temporal. Posteriormente, a última fase dedicou-se à avaliação das classes de solo quanto aos índices de umidade para discutir a influência das características diferenciais na variação da umidade ao longo do ano. O MDS gerado atingiu 69% no índice Kappa, que é considerado uma precisão muito boa. As estimativas de umidade do solo tiveram algumas limitações atribuídas à complexidade dos dados de radar, que são afetados por vários fatores biogeofísicos, como vegetação densa e rugosidade do terreno. No entanto, a sobreposição dos mapas possibilitou a compilação do IRUS, que apresentou correspondência com o MDS durante a avaliação qualitativa e quantitativa. As diferentes capacidades de manutenção da água nos perfis dos solos foram observadas de acordo com as propriedades e atributos inerentes a cada classe. Essas informações são úteis na tomada de decisões quanto à conservação ou manejo do solo sob a perspectiva da sustentabilidade.