Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106

[Link]

PROPRIEDADES DOS SOLOS E AS RELAÇÕES COM ATRIBUTOS DO

TERRENO, NO DISTRITO FEDERAL

SOIL PROPERTIES AND RELATIONS WITH LAND ATTRIBUTES IN

THE FEDERAL DISTRICT

Marina Bilich Neumann1, Francielle do Monte Lima2, Luiz Felipe Siqueira Marques Rego2, André
Luiz Farias de Souza1, Henrique Llacer Roig2, Tati de Almeida2, Rejane Ennes Cicerelli 2

1 Universidade de Brasília – Faculdade de Agronomia e Medicina Veterinária - Campus Darcy

Ribeiro, ICC - Ala Central - CEP 70.910-900 - Brasília – DF, (marinabilich@[Link],
francielledomonte@[Link], felipe6769@[Link], andrelfsouza@[Link])

2 Laboratório de Sensoriamento Remoto e Análise Espacial (LSRAE), Instituto de

Geociências (IGD), Universidade de Brasília (UnB), Campus Darcy Ribeiro, 70910-900
Brasília, Brasil; (roig, tati_almeida, rejaneig,)@[Link],

RESUMO

As propriedades dos solos são relacionadas com posições na paisagem. Isto implica em
que as variáveis dos fatores de formação do solo, podem ser usadas para predizer atributos dos
solos. A modelagem digital do relevo é uma das técnicas quantitativas melhor desenvolvidas para
predizer atributos e classes de solos. As propriedades do solo estimadas podem ser usadas como
dados de entrada em modelos de erosão hídrica e de transporte de sedimentos/nutrientes, risco
de acidificação do solo e produtividade. Portanto, o trabalho teve por objetivo avaliar as relações
entre propriedades do solo (teor de argila, carbono orgânico e espessura dos horizontes
superficial e subsuperficial) e atributos do terreno, derivados de um Modelo Digital de Elevação
(MDE) na Bacia do Rio Jardim, Distrito Federal. A partir do MDE carta, foram obtidos os atributos
do terreno declividade, altitude, curvatura e índice topográfico de umidade (TWI) que juntamente
com os dados das propriedades do solo de 24 perfis, foram submetidos à analise de regressão
linear múltipla para a obtenção dos coeficientes utilizados para a geração de equações de predição
dos atributos do solo. A declividade, a altitude e o TWI foram os atributos derivados do MDE que
obtiveram uma maior associação com o teor de argila e carbono orgânico nos solos da Bacia do
Rio Jardim. A influência da curvatura na predição do teor de argila e carbono orgânico foi pouco
representativa, porém, na predição da espessura do horizonte superficial, a curvatura e a
declividade obtiveram uma boa associação.

89
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Palavras-chave: modelo digital de elevação, regressão linear múltipla, mapeamento digital de

solos.

ABSTRACT

Soil properties are related to positions in the landscape. This implies that the variables
of soil formation factors can be used to predict soil attributes. Digital relief modeling is one of the
best-developed quantitative techniques for predicting soil attributes and classes. Estimated soil
properties can be used as input data in water erosion and sediment / nutrient transport models,
risk of soil acidification, and productivity. Therefore, the objective of this work was to evaluate
the relationship between soil properties (clay content, organic carbon and thickness of the
superficial and subsurface horizons) and terrain attributes derived from a Digital Elevation Model
(MDE) in the Rio Jardim Basin, Federal District. From the MDE letter, the slope, altitude, curvature
and topographic moisture index (TWI) attributes were obtained, which together with the soil
properties data of 24 profiles were subjected to multiple linear regression analysis to obtain the
coefficients used for the generation of prediction equations of soil attributes. Slope, altitude and
TWI were the attributes derived from the MDE that obtained a greater association with clay and
organic carbon content in the soils of the Jardim River Basin. The influence of the curvature on
the prediction of clay and organic carbon content was not very representative, but in the
prediction of surface horizon thickness, curvature and slope had a good association.
Keywords: digital elevation model, multiple linear regression, digital soil mapping.

INTRODUÇÃO

Várias são as limitações para a aquisição de dados de solos e/ou de suas propriedades, como
o custo elevado dos levantamentos, a extensão das áreas a serem mapeadas e em alguns
lugares, a dificuldade de acesso. A essas limitações, somam-se os problemas de precisão da
informação, confiabilidade das interpretações qualitativas e dificuldade de extrapolação da
informação para outras áreas.

O uso de técnicas quantitativas para predição espacial em mapeamento de solos e de seus

atributos vem crescendo nos últimos anos, devido ao avanço na capacidade de processamento
dos computadores, aliado à disponibilidade de novos métodos matemáticos e estatísticos
(McBratney et al., 2000).

As propriedades de solos são relacionadas com posições na paisagem. Isto implica em que
as variáveis dos fatores de formação do solo, podem ser usadas para predizer propriedades dos

90
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

solos. Diversos estudos mostraram que teores de argila, matéria orgânica, pH e CTC podem ser
preditos a partir da declividade, curvaturas do declive e índice topográfico de umidade, que são
também boas preditoras de retenção de água (Pachepskyet al. 2001; Romano e Palladino, 2002).

Gobin et al. (2001) afirmam que o movimento da água nas paisagens é o principal
responsável pelo processo de desenvolvimento do solo. Por isso, compreender as formas do
relevo permite fazer inferências e predições sobre os atributos do solo em diferentes segmentos
de vertentes.

Estudos desenvolvidos por Park e Burt (2002) e Mullae McBratney (1999) afirmam que os
aspectos topográficos do terreno podem ser bons indicadores da variação dos atributos do solo,
pois essa variabilidade é causada por pequenas alterações do declive que afeta o transporte e o
armazenamento de água dentro do perfil do solo.

A modelagem digital do relevo é uma das técnicas quantitativas melhor desenvolvidas para
predizer propriedades e classes de solos (McKenzieet al., 2000). Ela se utilizada da
parametrização do relevo (Wood, 1996), onde são obtidos atributos topográficos de um Modelo
Digital de Elevação (MDE), cujas primeiras derivadas são os atributos primários e de segunda
derivada os secundários (Moore et al., 1993; Wilson e Gallant, 2000). Estes atributos são
comumente utilizados como variáveis auxiliares na predição espacial dos padrões solo-paisagem
e contribuem para o aperfeiçoamento do mapeamento de classes e de propriedades do solo,
como espessura de horizontes, elementos na solução do solo, textura, cor, umidade, entre outras
(Gessleret al., 2000).

Modelo Digital de Elevação (MDE) é definido por Burrough (1986) como qualquer
representação digital de uma variação contínua do relevo no espaço. Os MDEs podem ser obtidos
de diversas formas: aparelhos restituidores como o Digital Video Plotter (DVP) que podem extrair
dados tri-dimensionais diretamente das fotografias aéreas, imagens de sensores ópticos, imagens
de sensores de RADAR como ERS e RADARSAT, altimetria a laser por meio de sensores
aerotransportados (LIDAR) e interpolação de informações de cartas topográficas (Valeriano,
2004).

O uso de Modelos Digitais de Elevação e das técnicas geoestatísticas permite a compreensão

do comportamento dos atributos do solo, de forma a favorecer os levantamentos pedológicos,
assim como o estabelecimento de práticas de manejo de solo e de culturas adequadas (Campos
et al., 2006).

91
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Bui et al. (2002) usaram variáveis ambientais como clima, aspectos do terreno (elevação,
declive, distância entre cumes e rios, derivados de Modelos Numéricos de Altitude - MNAs),
litologia, imagens MSS de Landsat, uso da terra e classes de solos para predizer a distribuição
espacial de várias propriedades físicas e químicas de solos.

Bishop e McBratney (2001) utilizaram MDE, fotos aéreas, imagens Landsat TM, dados de
monitoramento de colheita, condutividade elétrica e 113 amostras de solo para estimar a
capacidade de troca de cátions – CTC, por meio de regressão linear múltipla, modelos aditivos,
árvores de regressão, krigagemdos resíduos desses modelos, krigagem ordinária e krigagem com
deriva externa. A krigagem com deriva externa e as krigagem dos resíduos da regressão linear
múltipla e da árvore de regressão foram os métodos que mais se destacaram.

Lepschet al. (1977), Coelho et al. (1994) e Marques Júnior e Lepsch (2000) estudaram, no
Planalto Ocidental de São Paulo, as relações entre as propriedades do solo e as formas do relevo,
aplicando conceituações de superfícies geomórficas. Utilizando transeções (ou toposseqüências),
tais autores nos estudos de solo-paisagem relacionam variabilidade espacial de atributos dos
solos com os compartimentos de relevo. Ressaltam também que a compreensão dessas relações
facilita muito a previsão da ocorrência dos diferentes corpos de solo na paisagem e mostram-se
favoráveis ao uso desses critérios como base para mapeamento pedológico detalhado, em vez
de propriedades quantitativas taxonomicamente estabelecidas, uma vez que estas últimas são
consideradas artificiais (Hudson, 1992; Young e Hammer, 2000). Tais estudos são de grande
utilidade para fornecer elementos básicos necessários à transferência de conhecimentos
pedológicos entre áreas de idêntico clima, material de origem e relevo.

Nesse contexto, o presente trabalho teve por objetivo avaliar as relações entre propriedades
do solo (teor de argila, carbono orgânico e espessura dos horizontes superficial e subsuperficial)
e atributos do terreno, derivados de um Modelo Digital de Elevação, na Bacia do Rio Jardim,
Distrito Federal.

MATERIAIS E MÉTODOS

Caracterização da área de estudo: A área de estudo compreende a Bacia do Rio Jardim

situada entre as latitudes 15º40’ e 16º02’ W e longitudes 47º20’ e 47º40’ S, possuindo uma
área de drenagem de aproximadamente 52.755,15 ha na porção leste do Distrito Federal
(Figura 1).

92
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Figura 1. Mapa de localização da Bacia do Rio Jardim.

A área de abrangência da Bacia do Rio Jardim está inserida nos conjuntos litológicos do Grupo
Paranoá, Grupo Canastra e Grupo Bambuí.

O Grupo Paranoá de idade Meso/Neoproterozóica (1.300 a 1.100 milhões de anos) é

caracterizado por sete unidades litoestratigráficas correlacionáveis, da base para o topo, com as
sequências deposicionais Q2, S, A, R3, Q3, R4 e PC (Campos, 2004 eMartins, 1998). Na área da
Bacia do Rio Jardim, as unidades presentes são R3 (metarritimito arenoso), Q3 (composta por
quartzitos finos a médios, brancos ou rosados, silicificados e intensamente fraturados) e R4
(metarritmitos argilosos) (Lousada, 2005).

O Grupo Canastra de idade Meso/Neoproterozóica (1.300 a 1.100 milhões de anos) é

constituído por rochas metamórficas de baixo grau, de fácies xisto verde, composto
predominantemente por filitos com ocasionais lentes de quartzitos.

O Grupo Bambuí de idade Neoproterozóica é constituído pela sequência pelito-carbonatada-

arcoseana, representados por metassiltitos, metassiltitos argilosos, metargilitos e raras
intercalações de arcóseos (Dardenne, 1978).

Na área em estudo é possível observar três unidades geomorfológicas: Pediplano de Brasília

(altitudes entre 950 e 1200 m), Depressões Interplanálticas e Planalto Dissecado do Alto

93
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Maranhão (altitudes entre 800 e 950 m) e Planícies Aluviais e Alveolares que correspondem às
áreas mais baixas e de formação mais recente (Codeplan, 1984).

O aspecto fitogeográfico do Distrito Federal é caracterizado pelo domínio dos Cerrados. Na

Bacia do Rio Jardim encontram-se as seguintes fitofisionomias: Cerrado Típico, Campo Sujo,
Campo Limpo e Matas de Galeria.

A principal fonte de informações sobre os solos encontrados no DF é o trabalho realizado pelo

Serviço Nacional de Levantamento e Conservação de solos (Embrapa, 1978), de onde se obteve
o mapa pedológico do DF, na escala 1:100.000. As principais classes de solos que ocorrem na
Bacia do Rio Jardim são: Latossolos, Cambissolos, Nitossolos, Plintossolos, Gleissolos e
Neossolos.

Metodologia do Estudo

O estudo foi desenvolvido em três etapas a seguir descritas: Compilação e construção de

uma base de dados, análise do MDE e análise pela regressão linear múltipla.

Para a construção da base de dados, foram levantadas na bibliografia a localização e a

descrição de 24 perfis de solos na área de estudo (Reattoet al., 2000). Cada perfil com suas
informações foram incorporados à base de dados no formato vetorial (ponto) no softwareArcGIS
10.0, contendo sua localização geográfica, descrição até o segundo nível categórico do Sistema
Brasileiro de Classificação de Solos – SiBCS (Embrapa, 2006), teor de argila, carbono orgânico e
espessura dos horizontes de superfície e subsuperfície.

O Modelo Digital de Elevação foi gerado por meio de carta com dados vetoriais do Laboratório
de Sensoriamento Remoto e Análise Espacial - LSRAE/IG/UnB, e então foram gerados os atributos
derivados do MDE por meio da ferramenta “Topo toRaster” do softwareArcGIS 10.0, são eles:
altitude, declividade e curvatura. O TopograficWetness Index (TWI) foi gerado no
softwaregratuito, de código aberto System for AutomatedGeoscientificAnalysis (SAGA-GIS2.0.8),
por meio do módulo “Basic TerrainAnalysis”.

Os valores do teor de argila, carbono orgânico e espessura dos horizontes de superfície e

subsuperfície de cada perfil de solo foram organizados em uma tabela juntamente com os valores
dos atributos do terreno derivados do MDE. Esta tabela foi inserida no software SPSS 16.0 para
a análise estatística de regressão linear múltipla e geração dos coeficientes de regressão das
equações de predição das propriedades do solo, sendo a propriedade do solo a variável
dependente e os atributos do terreno derivados do MDE as variáveis independentes.

94
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Com a ferramenta “RasterCalculator” do software ArcGIS 10.0 e utilizando as equações de

predição das propriedades do solo, foram gerados os mapas das propriedades preditas dos solos
da Bacia do Rio Jardim (Figuras 2 a 7).

RESULTADOS E DISCUSSÃO

A partir dos coeficientes da análise de regressão linear múltipla (Tabelas 1 a 6) foram geradas
6 equações (Eq. 1 a 6) para a predição das propriedades dos solos, são elas: Teor de Argila do
horizonte superficial (Argila-A), Teor de Argila do horizonte subsuperficial (Argila-B), Carbono
Orgânico do horizonte superficial (CO-A), Carbono Orgânico do horizonte subsuperficial (CO-B),
Espessura do horizonte superficial (Espessura-A) e Espessura do horizonte subsuperficial
(Espessura-B).

Park e Burt (2002) afirmam que atributos topográficos do terreno são os mais importantes
indicadores da variação das propriedades dos solos, por isso o entendimento do solo como um
corpo natural, que possui variação tridimensional e que se origina a partir da inter-relação dos
fatores de formação e sob a ação dos processos pedogenéticos, favorece a compreensão da
geografia dos solos, assim como a predição do comportamento [Link], apesar de
nenhuma variável ter apresentado significância no modelo ao nível de 95% (Sig.= 0,005) de
probabilidade, os coeficientes foram utilizados para a confecção das equações de predição das
propriedades do solo.

Tabela 1. Teor de Argila do horizonte superficial.

Variável Coeficiente Significância

Constante 1499,151 0,003

Altitude - 0,395 0,397

TWI - 45,803 0,073

Declividade - 17,105 0,110

Argila-A= 1499,151+(-0,395)*Altitude+(-45,803)*TWI+(-17,105)*Declividade [Eq.1]

95
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Figura 2. Mapa do Teor de Argila do horizonte superficial nos solos da Bacia do Rio Jardim.

96
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Tabela [Link] de Argila do horizonte subsuperficial.

Variável Coeficiente Significânca

Constante 1752,276 0,001

TWI - 11,767 0,558

Altitude - 1,037 0,031

Argila-B = 1752,276+(-11,767)*TW I+(-1,037)*Altitude [Eq. 2]

De acordo com a Figura 2, verificou-se que o teor de argila no horizonte superficial é maior
em áreas de baixa declividade (0 a 3%), já em áreas com declive superior a 12%, associado à
maior altitude, foram encontrados os menores valores de teor de argila.

No horizonte subsuperficial (Figura 3), o alto teor de argila está associ ado a menores
altitudes e índice topográfico de umidade (TWI) maior que 12,5, principalmente em áreas planas
nas proximidades dos cursos d’á[Link] et al. (2012) aplicaram índices de r epresentação da
paisagem como suporte na delimitação do s diferentes compartimentos da paisagem na Fazenda
Experimental Canguiri, no município de Pin hais, região Metropolitana de Curitiba e o bservaram
correlação de valores altos do índice topográfic o com solos hidromórficos.

97
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Figura 3. Mapa do Teor de A rgila do horizonte subsuperficial nos solos d a Bacia do Rio Jardim.

Tabela [Link] Orgânico do h orizonte superficial.

Variável Coeficiente Significânca

Constante 22,149 0,504

Altitude - 0,055 0,110

TWI 3,317 0,074

Declividade 2,209 0,008

CO-A = 22,149+(-0,055)*Altitude+(3,317)*TWI+(2 ,209)*Declividade[Eq. 3]

98
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Figura 4. Mapa de Carbono Orgânico do horizonte superficial nos solos da Bacia do Rio Jardim.

Tabela [Link] Orgânico do h orizonte subsuperficial.

Variável Coeficiente Significância

Constante 9,225 0,477

Altitude - 0,010 0,432

Declivid ade 0,113 0,695

Curvatura - 0,109 0,551

TWI 0,513 0,468

CO-B = 9,225+(-0,0 10)*Altitude+(0,113)*Declividade + (-0,109)* Curvatura +

(0,513)*TWI [Eq. 4]

99
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Figura 5. Mapa de Carbono Orgânico do horizonte subsuperficial nos solos da Bacia do Rio
Jardim.

Foi possível observar que o teor de Carbono Orgânico no horizonte supe rficial (Figura 4) é
maior em áreas com declividade supe ior a 10%, associado ao TWI menor que 10,0. Teores
baixos estão associados a maior altitude e m enor declividade. No horizonte subsuperfici al(Figura
5) as áreas com menor declividade (0 a 5%), associado a valores de TWI superior a 11,0 ap
resentaram um maior teor de Carbono Orgânico.

Tabela [Link] do horizonte superficial.

Variável Coeficiente Significância

Constante 37,107 0,147

Curvatura - 0,395 0,269

Declividade - 0,425 0,446

Altitude - 0,014 0,569

TWI - 0,404 0,766

Espessura-A = 37,10 7 + (- 0,395)*Curvatura + (- 0,425)*Declivi dade +(- 0,014)*Altitude+

(- 0,404)*TWI [Eq. 5]

100
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Figura 6. Mapa de Espessura do horizonte superficial dos solos da Bacia do Rio

Jardim.

Tabela 6. Espessura do horizonte subsuperficial.

Variável Coeficiente Significância

Constante 67,436 0,512

TWI - 0,375 0,946

Declivid ade 0,293 0,898

Altitude - 0,031 0,763

Curvatura 1,528 0,298

Espessura-B =67,436 + (- 0,375)*TWI+ (0,293)*Declividade+ (-

0,031)*Altitude+(1,528)*Curvatura[Eq. 6]

101
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 89-106
[Link]

Figura 7. Mapa de Espessu ra do horizonte subsuperficial dos solos da B acia do Rio Jardim.

Na Figura 6 foi possível obs ervar que a maior espessura do horizonte s uperficial está
associada à baixa declividade juntamente co m a menor altitude do terreno. Os menore s valores
de espessura do horizonte superficial estão associados à maior declividade, maior curvatura do
terreno e menores valores do TWI. De acordo com Jenny (1994), os solos tendem a ser menos
desenvolvidos em função da declividade, a qual favorece a menor infiltração da água e maior
escorrimento superficial.

No horizonte subsuperficial (Figura 7) os resultados da predição da espessura não foram

satisfatórios, a causa pode ser a falta de mais pontos amostrados para o treinamento do modelo.
Áreas planas e com maior altitude obtiveram valores menores que as áreas com declividade
superior a 15%. Na Bacia do Rio Jardim, área s com declividade superior a 15% estão associadas
à presença de Cambissolos, solos com horizontes pouco desenvolvidos.

O uso da declividade, da orientação das vertentes e da elevação nos levantamentos de solos

é praticamente generalizado. Mc Bratneyet al. (2003) usaram a informação topográfica para o
zoneamento de uma região com o objetivo de melhorar a representação de atributos do solo
mapeados geoestatisticamente.

102
 103
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 53-69
DOI: [Link]

O índice topográfico de umidade (TWI) tem sido utilizado para caracterizar a

distribuição espacial de zonas de saturação superficial e conteúdo de água nas paisagens.
O TWI é definido como uma função da declividade e da área de contribuição por unidade
de largura ortogonal à direção do fluxo. Em estudo realizado em uma topossequência no
Colorado, Moore et al. (1993) verificaram que o TWI e a declividade foram os atributos do
relevo que mais se correlacionaram com a espessura do horizonte A, teor de matéria
orgânica e conteúdo de silte e areia.

Os atributos derivados do MDE declividade, altitude e TWI obtiveram melhor

associação com as propriedades dos solos da Bacia do Rio Jardim. A influência da curvatura
na predição do teor de argila e carbono orgânico foi pouco representativa.

De acordo com Chagas (2006), a curvatura do terreno desempenha um papel limitado

devido ao baixo gradiente de relevo, de maneira que o processo de rejuvenescimento do
solo não se expressa com a mesma magnitude com que ocorre nas áreas mais acidentadas
e côncavas.

CONCLUSÕES

A declividade, a altitude e o TWI foram os atributos derivados do MDE que obtiveram

uma maior associação com o teor de argila e carbono orgânico nos solos da Bacia do Rio
Jardim.

A influência da curvatura na predição do teor de argila e carbono orgânico foi pouco

representativa, porém, na predição da espessura do horizonte superficial, a curvatura e a
declividade obtiveram uma boa associação.

REFERENCIAL BIBLIOGRÁFICO

Bishop, T. F. A. &McBratney, A. B. 2001. A comparasion of prediction metods for the

creation of field-extent soil property [Link], Amsterdam, 103: 149-160.

Bui, E.; Henderson, B.; Moran, C.; Johnston, R. 2002. Continental-scale spatial modelling
of soil [Link]: World Congressof Soil Science, 17. 14-21, Bangkok, Thailand.
Proceedings. Bangkok: [[Link].], 2002. Paper n. 1470.

103
 104
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 53-69
DOI: [Link]

Burrough, P. A. 1986. Principles of geographical information systems of land resources

assessment. Francis & Taylor, 185 p.

Campos, J.E.G. 2004. Hidrogeologia do Distrito Federal: Bases para a Gestão dos Recursos
Hídricos Subterrâneos. Revista Brasileira de Geociências. 34: 41-48

Campos, M.C.C., Cardozo, N.P., Marques Júnior, J. 2006. Modelos de Paisagem e sua
Utilização em Levantamentos Pedológicos. Revistade Biologia e Ciencias da Terra.
6- No 1

Chagas, C. da S. 2006. Mapeamento digital de solos por correlação ambiental e redes

neurais em uma bacia hidrográfica no domínio de mar de morros. Tese (Doutorado
em solos e nutrição de plantas) – Universidade Federal de Viçosa, Viçosa, 223 p.

Codeplan – Companhia de Planejamento do Distrito Federal. 1984. Atlas do Distrito

Federal. 1 ed., Brasília: Governo do Distrito Federal. 124p.

Coelho, R.M., Lepsch, I.F., & Menk, J.R.F. |994. Relação solo-relevo em uma encosta com
transição arenito-basalto em Jaú (SP). R. Bras. Ci. Solo, 18:125-33.

Dardenne, M. A., 1978. Síntese sobre a estatigrafia do Grupo Bambuí no Brasil Central.
In: Congresso Brasileiro de Geologia. Anais. Salvador: SBG, 2: 597-610.

Embrapa – Empresa Brasileirade Pesquisa Agropecuária, 1978. Levantamento de

reconhecimento dos solos do Distrito Federal, Boletim Técnico, no. 53, SNLCS, Rio
de Janeiro, 455 p.

Gessler, P.E., Chadwick, O.A., Chamran, F., Althouse, L., & Holmes, K. 2000. Modeling
soil-landscape and ecosystem properties using terrain attributes. Soil Science
Society of American Journal, 64: 2046-2056.

Gobin, A., Campling, P., & Feyen, J. 2001. Soil-landscape modelling to quantify spatial
variability of soil [Link] and Chemistry of the Earth, 26: 41-45.

Hudson, B.D., 1992. The soil survey as a paradigm-based [Link] Sci. Soc. Am. J.,
56:836-841.

Jenny, H. 1994. Factors of soil formation-a system of quantitative [Link] York:

McGraw-Hill, 288p.

104
 105
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 53-69
DOI: [Link]

Lepsch, I.F., Buol, S.W. & Daniels, R.B. 1977. Soil-landscape relationships in the Occidental
Plateau of São Paulo State, Brazil: I. Geomorphic surfaces and soil mapping units.
SoilSci. Soc. Am. J., 41:104-109.

Lousada, E.O. 2005. Estudos Hidrogeológicos e Isotópicos no Distrito Federal: Modelos

Conceituais de Fluxo. Tese de Doutorado – Instituto de Geociências – Universidade
de Brasília.

Marques Júnior, J. & Lepsch, I.F., 2000. Depósitos superficiais neocenozóicos, superfícies
geomórficas e solos em Monte Alto, SP. Geociências, 19:90-106.

Martins, E. S.; Baptista, G. M. M., 1998. Compartimentação Geomorfológica e Sistemas

Morfodinâmicos do Distrito Federal. In: CAMPOS, J.E.G;FREITAS-SILVA F.H
(Coord.). Inventário Hidrogeológico e dos Recursos Hídricos Superficiais do Distrito
Federal. Brasília, /SEMATEC: IEMA: MMA-SRH, 1998. CD-ROM.

McBratney, A.B., ODEH, I.O.A., BISHOP, T. F. A.., DUNBAR, M.S., SHATAR, T.M. 2000. An
overview of pedometric techniques for use in soil [Link], Amsterdam,
97: 293-327.

McBratney, A.B., Santos, M.L.M., Minasny, [Link] digital soil [Link], v. 117, p.
3

McKenzie N. J.; Jacquier, D. W.; Ashton L.J., Cresswell, H.P. Estimation of soil properties
using the atlas of australian soils. Canberra: CSIRO Land and Water , 2000. 1 v.
(Technical Report 11/00).

Moore, I. D. Gessler, P. E.; Nielsen, G. A.; Peterson, G. A. Soil attribute prediction using
terrain analysis. Soil Science Society of America Journal, v.57, p.443-452, 1993.

Mulla, D. J.; McBratney, A.B., 1999. Soil Spatial Variability. ___In: SUMMER, M. E.
Handbook of science. New York: CRC Press, p.A321-A351.

Pachepsky, Y.A., Timlin, D.J., & Rawls, W.J. 2001. Soil water retention as related to
topographic [Link] Science Society of America Journal, Madison, WI, v. 65,
p. 1787-1795.

Park, S.J., Burt, T.P., 2002. Identification and characterization of pedogeomorphological

processes on a [Link] Science Society of American Journal, Madison, 66:
1897-1910.

105
 106
Sustainability, Agri, Food and Environmental Research, (ISSN: 0719-3726), 7(1), 2019: 53-69
DOI: [Link]

Prates, V., Souza, L.C. de P., Oliveira Junior, J.C. 2012. Índices para a representação da
paisagem como apoio para levantamento pedológico em ambiente de
geoprocessamento. Rev. bras. eng. agríc. ambient., Campina Grande, 16, n. 4

Reatto, A., Correira, J.R., Spera, S.T., Chagas, C.S., Martins, E.S., Andahur, J.P., Godoy,
M.J. S., & Assad, M.L.C.L. Levantamento semidetalhado dos solos da bacia do Rio
Jardim – DF, escala 1:50.000. Boletim de Pesquisa Embrapa Cerrados. 18: 1-63,
2000.

Romano, N., & Palladino, M. 2002. Prediction of soil water retention using soil physical
data and terrain attributes. Journal of Hydrology 265: 56-75.

Valeriano, M.M., 2004. Modelo digital de elevação com dados SRTM disponíveis para a
América do Sul, São José dos Campos, INPE-10550-RPQ/756.

Wilson, J.P., & Gallant, J.C. 2000. Terrain analysis: Principles and Applications. New York:
John Wiley & Sons. 479p.

Wood, J. 1996. The geomorphological characterisation of digital elevation models.

Leicester, UK. PhD Thesis -University of [Link]ívelem:
[Link]

Young, F.J. & Hammer, R.D. 2000. Defining geographic soil bodies by landscape position,
soil taxonomy and cluster analysis. Soil Sci. Soc. Am. J., 64: 989-998.

106