@PHDTHESIS{ 2016:762173070,
 	title = {An?lise de fontes de incerteza na modelagem espacial do solo},
 	year = {2016},
 	url = "https://tede.ufrrj.br/jspui/handle/jspui/1333",
 	abstract = "A modelagem espacial do solo moderna usa modelos estat?sticos para explorar a rela??o em-p?rica entre as condi??es ambientais e as propriedades do solo. Esses modelos s?o uma sim-plifica??o da realidade, e seu resultado (mapa do solo) estar? sempre errado. O que um mapa do solo transmite ? o que esperamos que o solo seja, reconhecendo que somos incertos sobre ele. O objetivo dessa tese ? avaliar importantes fontes de incerteza na modelagem espacial do solo, com ?nfase nos dados do solo e covari?veis. Estudos de caso foram desenvolvidos usando dados de uma bacia hidrogr?fica do sul do Brasil. A distribui??o espacial do solo na ?rea de estudo ? vari?vel, sendo determinada pela geologia e geomorfologia (escalas espaciais maiores) e pr?ticas agr?colas (escalas espaciais menores). Quatro propriedades do solo foram explora-das: teor de argila, teor de carbono org?nico, capacidade de troca cati?nica efetiva e densidade. Cinco covari?veis, cada um com dois n?veis de detalhe espacial, foram utilizadas: mapas areais de classes de solo, modelos digitais de eleva??o, mapas geol?gicos, mapas de uso da terra, e imagens de sat?lite. Esses dados constituem o conjunto de dados de Santa Maria. Dois paco-tes para R foram criados, o primeiro (pedometrics) contendo v?rias fun??es para a an?lise explorat?ria espacial de dados e calibra??o de modelos, o segundo (spann) projetado para a optimiza??o de amostras espaciais usando recozimento simulado. Os estudos de caso ilustraram que as covari?veis existentes s?o apropriadas para calibrar modelos espaciais do solo, e que o uso de covari?veis mais detalhadas resulta em modesto aumento na acur?cia de predi??o que pode n?o compensar os custos adicionais. Meios mais eficientes de aumentar a acur?cia de pre-di??o devem ser explorados, como obter mais observa??es do solo. Para esse fim, deve-se usar meios objetivos para a sele??o dos locais de observa??o a fim de minimizar os efeitos das res-postas psicol?gicas dos modeladores do solo a fatores conceituais e operacionais sobre o plano de amostragem. Isso porque as dificuldades conceituais e operacionais encontradas no campo determinam mudan?as na motiva??o dos modeladores do solo entre aprendizagem/verifica??o das rela??es solo-paisagem e maximiza??o do n?mero de observa??es e cobertura geogr?fica. Para estimar a tend?ncia espacial, deve ser suficiente otimizar as amostras espaciais visando so-mente reproduzir a distribui??o marginal das covari?veis. Para otimizar configura??es amostrais para estimar a tend?ncia espacial e o variograma, e interpola??o espacial, pode-se formular um problema de otimiza??o multi-objetivo s?lido usando vers?es robustas de algoritmos de amos-tragem existentes. No geral, aprendemos que uma receita ?nica, universal para a redu??o da incerteza na modelagem espacial do solo n?o pode ser formulada. Decidir sobre formas efi-cazes de redu??o da incerteza requer, em primeiro lugar, que exploremos todo o potencial dos dados existentes usando t?cnicas de modelagem espacial s?lidas.",
 	publisher = {Universidade Federal Rural do Rio de Janeiro},
 	scholl = {Programa de P?s-Gradua??o em Agronomia - Ci?ncia do Solo},
 	note = {Instituto de Agronomia}
}