Regressões Logísticas Múltiplas: fatores que influenciam sua aplicação na predição de classes de solos
Open Access
- 1 February 2011
- journal article
- Published by FapUNIFESP (SciELO) in Revista Brasileira de Ciência do Solo
- Vol. 35 (1) , 53-62
Abstract
Métodos mais eficazes para determinação do padrão de distribuição de classes de solo na paisagem precisam ser avaliados visando suprir a demanda por mapas de solo em escalas regional e global. Neste estudo, Regressões Logísticas Múltiplas foram utilizadas como modelos preditores em uma aplicação de Mapeamento Digital de Solos. Os modelos foram gerados utilizando um mapa de solos existente como variável dependente e atributos de terreno como variáveis independentes, o que possibilitou determinar a probabilidade de encontrar classes de solo na paisagem no primeiro e no segundo nível categórico do SiBCS. A qualidade dos mapas preditos foi verificada por meio da matriz de contingência. A classe dos Argissolos foi predita corretamente, em relação ao mapa original, em aproximadamente 85 %. As classes de solos hidromórficos (Planossolos e Gleissolos) foram preditas corretamente em 75 %. Houve confundimento dos modelos para as classes que ocupam posições muito semelhantes na paisagem. Foi verificado também que classes de solo pouco representativas na paisagem não são adequadamente espacializadas em razão da sensibilidade dos modelos logísticos à proporção relativa das amostras usadas para treinar os modelos.Keywords
This publication has 14 references indexed in Scilit:
- Updating the 1:50,000 Dutch soil map using legacy soil data: A multinomial logistic regression approachGeoderma, 2009
- Spatial prediction of soil classes using digital terrain analysis and multinomial logistic regression modeling integrated in GIS: Examples from Vestfold County, NorwayCATENA, 2009
- Uso de regressões logísticas múltiplas para mapeamento digital de solos no Planalto Médio do RSRevista Brasileira de Ciência do Solo, 2008
- A soil science renaissanceGeoderma, 2008
- Methods to interpolate soil categorical variables from profile observations: Lessons from IranGeoderma, 2007
- Digital soil mapping using multiple logistic regression on terrain parameters in southern BrazilScientia Agricola, 2006
- On digital soil mappingGeoderma, 2003
- Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USAEngineering Geology, 2003
- Some major developments in soil science since the mid-1960sGeoderma, 2001
- A review of assessing the accuracy of classifications of remotely sensed dataRemote Sensing of Environment, 1991