Mapeamento digital dos atributos químicos do solo de área de produção de óleo e gás na região norte do Recôncavo Baiano. Estudo de Caso da região Semiárida - Sátiro Dias, Bahia
machine learning, digital soil mapping, Randon Forest
No Brasil, a execução de mapeamento de solos com escala adequada em todo o território nacional é uma demanda permanente das instituições de pesquisa e órgãos de planejamento. É comum a carência dessas informações, já que várias são as limitações para a aquisição de dados de solos ou de seus atributos, entre elas o custo elevado dos levantamentos de solos, o armazenamento de amostras e o processamento dessas em laboratório. Nesse sentido, o conhecimento detalhado das propriedades do solo em diferentes escalas é uma necessidade urgente, a fim de ajudar os gestores da terra a tomar decisões espacialmente explícitas a interesses de manejo e conservação do solo, planejamento de uso racional das terras, previsão de cenários futuros e servir de fonte de dados para modelagem espaço-temporal. Neste contexto, o mapeamento digital de solo surge como alternativa para aumentar a viabilidade de execução de levantamentos de solos, utilizando as interações entre propriedades do solo e covariáveis ambientais que ao fim e ao cabo permitiriam otimizar o mapeamento de tais propriedades no semiárido brasileiro. Assim, o objetivo do trabalho é modelar e mapear os atributos químicos do solo em diferentes profundidades utilizando algoritmos de machine learning para uma área de estudo localizada no município de Sátiro Dias região norte do estado da Bahía, no Brasil. Esse estudo considerou uma área menor com cerca de 200 km² e que é representativa de uma área maior (900 km²) sendo, portanto, uma área de referência (AR). Dessa forma, a hipótese do trabalho considera que há representatividade dos tipos de solos e atributos em ambas as regiões supracitadas e, assim, é possível modelar os atributos alvo em uma AR e em seguida extrapolar esse modelo para uma área mais extensa, ou seja, em uma área externa (AE).