| Summary: | No ambiente de Sistemas de Informações Geográficas, com raríssimas exceções, nenhuma informação quantitativa sobre a qualidade dos produtos gerados é agregada ao produto final. Neste contexto, o presente estudo aborda a modelagem de propriedades e processos do meio físico natural com a geração de informações quantitativas das incertezas associadas aos cenários produzidos pelas modelagens, que utilizam análise integrada de dados espaciais em meio digital. No presente estudo, utilizou-se dos conceitos para métricas de incerteza espacial com base no paradigma da geoestatística por indicação. O estudo de caso apresentado é baseado no Projeto Zoneamento Pedoclimático do Brasil, aplicado para a cultura da soja no Estado de Santa Catarina. São sugeridas três modificações na metodologia original de integração de dados deste projeto. Estas modificações correspondem à consideração da aptidão climática como um conceito dinâmico, à modelagem dos atributos definidores da aptidão pedoclimática por técnicas da krigeagem por indicação e à aferição dos resultados encontrados por informações adicionais de controle, relacionadas à produtividade da soja. Com a modelagem por krigeagem por indicação, foi possível modelar atributos categóricos e numéricos, possibilitando em ambos os casos uma estimativa para uma medida espacial de incerteza associada a cada propriedade modelada. As representações obtidas nas modelagens foram integradas e as respectivas incertezas propagadas, obtendo-se no final de todo o processo de análise espacial uma representação de aptidão pedoclimática categórica e outra numérica, assim como as incertezas relativas a estas representações. Estas representações espaciais constituíram as bases para a determinação dos cenários possíveis de zoneamento pedoclimático para a cultura da soja catarinense. Na análise dos resultados, por uma avaliação das incertezas estimadas e dos resultados encontrados na aferição, foi possível avaliar tantos os dados iniciais que formaram os conjuntos amostrais no processo de modelagem, quanto a própria metodologia de zoneamento. Concluiu-se que, para uso em operação desta metodologia, é importante que os dados primários, quer sejam originários de estações remotas, caso dos dados de clima, quer sejam dados de perfil e amostras, caso dos dados de solo, necessitam de um tratamento de consistência rigoroso, principalmente no que se refere aos dados de solo. A dificuldade em encontrar dados digitais, organizados e confiáveis, também impõe enormes dificuldades para a implantação de procedimentos operacionais de definição de zoneamentos de culturas em escala regional, uma necessidade para o planejamento da produção em um país com as dimensões do Brasil . === The modeling of natural properties and processes in GIS environment, with very few exceptions, take into account the need for producing a quantitative assessment of the quality of the spatial output generated from a series of manipulation and transformations over the primary data. This study has focus its attention to the methodological questions related to the production of spatial analysis that integrates data and generates as outcome a spatial representation associated to a measure of confidence on that spatial information being generated, named a measure of uncertainty for spatial data. To present these techniques this study has taken the Santa Catarina state zonning methodology for the soybean culture. Three modifications, from the original methodology for data integration, have been proposed. The first relates to take the climate influence as a dynamic concept; the second relates to the modeling of all measured properties through geostatistics and the use of the indicator kriging; and the third the use of a control data for the assessment of the scenarios generated by the different techniques used to spatial data integration. The results have demonstrated that the use of quantitative methodologies, based on the primary collected data, have made possible to assess the quality of the initial data, and at the same time it offers a possibility for the assessment of techniques used by checking against a control data, in this case the productivity of soybean for each one of the cities in the Santa Catarina state. The difficulties in finding primary data, in digital format, catalogued and organized, particularly in the case of soil data, makes it very difficult to implement in operational setups, services that would benefit the planning of agricultural production at a regional scale.
|
|---|
