Do artigo “Mapeamento digital de solos por redes neurais artificiais com base na relação solo-paisagem“, de Gustavo Pais de Arruda, José Alexandre M. Demattê y César da Silva Chagas, publicado na Revista Brasileira de Ciência do Solo.

O conhecimento sobre as propriedades e os atributos dos solos é de extrema importância para a adoção de práticas adequadas de manejo. Com o avanço tecnológico, algumas alternativas têm sido aplicadas para geração de dados que minimizem problemas de incompatibilidade entre a informação do solo e o manejo adotado. Tais alternativas são com base em Sistema de Informação Geográfica (SIG) e técnicas de sensoriamento remoto, aliadas ao uso de algoritmos matemáticos que estabelecem relações entre os fatores de formação do solo e a sua ocorrência na paisagem (Mapeamento Digital de Solos o MDS).
Um importante propósito do MDS é auxiliar o mapeamento convencional, reduzindo os recursos humanos, materiais para trabalhos de campo e, consequentemente, gastos e tempo necessários para a elaboração dos mapas de solos. Uma importante técnica empregada para obter mapas de solos digitais é a abordagem por Redes Neurais Artificiais (RNA). Essas redes realizam processamento de dados de maneira semelhante aos neurônios do cérebro humano, permitindo o estabelecimento de relações matemáticas entre covariáveis ambientais e classes de solos.
Técnicas de mapeamento digital podem contribuir para agilizar a realização de levantamentos pedológicos detalhados. Objetivou-se com este trabalho obter um mapa digital de solos (MDS) com uso de redes neurais artificiais (RNA), utilizando correlações entre unidades de mapeamento (UM) e covariáveis ambientais.
A área utilizada compreendeu aproximadamente 12.000 ha localizados no município de Barra Bonita, SP. A partir do resultado de uma análise de agrupamento das covariáveis ambientais, foram escolhidas cinco áreas de referência para realizar o mapeamento convencional. As UM identificadas subsidiaram a aplicação da técnica de RNA.
Utilizaram-se o simulador de redes neurais JavaNNS e o algoritmo de aprendizado backpropagation.
Pontos de referência foram coletados para avaliar o desempenho do mapa digital produzido. A posição na paisagem e o material de origem subjacente foram determinantes para o reconhecimento dos delineamentos das UM.
Houve boa concordância entre as UM delineadas pelo MDS e pelo método convencional. A comparação entre os pontos de referência e o mapa de solos digital evidenciou exatidão de 72 %. O uso da abordagem MDS utilizada pode contribuir para diminuir a falta de informações semidetalhadas de solos em locais ainda não mapeados, tomando-se como base informações pedológicas obtidas de áreas de referência adjacentes.