\n
\nEsses dados foram utilizados em dois exercícios principais. O primeiro consistiu no mapeamento da granulometria, a partir de 489 pontos com teores de areia, silte e argila (0–30 cm de profundidade). Os valores foram convertidos em razões logarítmicas (log_clay_sand e log_silt_sand) no uso de dados composicionais na modelagem. Empregou-se o algoritmo Random Forest, utilizando covariáveis ambientais derivadas do modelo SCORPAN (relevo, clima, vegetação, geologia, entre outros). O resultado foi um mapa estático das frações granulométricas, com resolução espacial de 30 m, acompanhado de mapas de incerteza, representados pelo desvio padrão.\n
\n- Planilha 'granulometria_amostras.tab' \n
\n\nEsta planilha contém dados granulométricos (areia, silte e argila). Cada registro inclui valores percentuais de argila (clay), silte (silt) e areia (sand), além de transformações logarítmicas das relações entre essas frações (log_clay_sand e log_silt_sand). As amostras são identificadas por um código único (id) e suas coordenadas seguem o formato de latitude e longitude em graus decimais. Esses dados foram extraídos do repositório SoilData e ajustados para a região do Maranhão.\n
\n\nO segundo exercício abordou o mapeamento de classes de solo, com 364 observações (209 perfis e 155 pseudoamostras) distribuídas em 11 classes no 2º nível categórico do SiBCS. Também foi utilizado o algoritmo Random Forest, com covariáveis semelhantes às do mapeamento da granulometria. O produto final foi um mapa de classes de solo com resolução de 30 m e acurácia global de 56%.\n
\n
\n- Planilha 'classe_de_solo_amostras.csv' \n
\n\nEsta planilha reúne informações taxonômicas de solos do Maranhão. As amostras são categorizadas como Perfil-campo (dados coletados em campo) ou pseudoponto_mapa_solo (pontos gerados a partir de mapas existentes). Cada registro contém coordenadas (coord_x, coord_y) que seguem o formato de latitude e longitude em graus decimais, código da classe de solo (id_classe_solo), fonte dos dados (fonte_dos_dados), descrição da localização (coord_descricao), método de coleta (observação_metodo), além de classificações taxonômicas (taxon_sibcs_1999) e (taxon_sibcs_2018). Alguns registros também incluem dados sobre geologia (geologia_litologia) e uso atual da terra (uso_terra).\n
"},"dsDescriptionDate":{"typeName":"dsDescriptionDate","multiple":false,"typeClass":"primitive","value":"2025-08-08"}}]},{"typeName":"subject","multiple":true,"typeClass":"controlledVocabulary","value":["Agricultural Sciences","Earth and Environmental Sciences"]},{"typeName":"keyword","multiple":true,"typeClass":"compound","value":[{"keywordValue":{"typeName":"keywordValue","multiple":false,"typeClass":"primitive","value":"Granulometria"}},{"keywordValue":{"typeName":"keywordValue","multiple":false,"typeClass":"primitive","value":"Pedometria"}}]},{"typeName":"depositor","multiple":false,"typeClass":"primitive","value":"Pretto, Ana Caroline"},{"typeName":"dateOfDeposit","multiple":false,"typeClass":"primitive","value":"2025-08-08"}]},"geospatial":{"displayName":"Geospatial Metadata","name":"geospatial","fields":[{"typeName":"geographicCoverage","multiple":true,"typeClass":"compound","value":[{"country":{"typeName":"country","multiple":false,"typeClass":"controlledVocabulary","value":"Brazil"},"state":{"typeName":"state","multiple":false,"typeClass":"primitive","value":"MA"}}]}]}},"files":[{"label":"classe_de_solo_amostras.csv","restricted":false,"version":1,"datasetVersionId":799,"dataFile":{"id":769,"persistentId":"","pidURL":"","filename":"classe_de_solo_amostras.csv","contentType":"text/comma-separated-values","filesize":82971,"storageIdentifier":"file://1988a8ed6f6-7e4b9e6f304e","rootDataFileId":-1,"md5":"1b24907d89d2a44e5da5de0b5bbb54d6","checksum":{"type":"MD5","value":"1b24907d89d2a44e5da5de0b5bbb54d6"},"creationDate":"2025-08-08"}},{"label":"granulometria_amostras.tab","restricted":false,"version":3,"datasetVersionId":799,"dataFile":{"id":770,"persistentId":"","pidURL":"","filename":"granulometria_amostras.tab","contentType":"text/tab-separated-values","filesize":72676,"storageIdentifier":"file://1988a8eb3a9-638e70d2bb19","originalFileFormat":"text/csv","originalFormatLabel":"Comma Separated Values","originalFileSize":73239,"originalFileName":"granulometria_amostras.csv","UNF":"UNF:6:b1SmKIYvYKgL7Jbc/Jbtkg==","rootDataFileId":-1,"md5":"df52293f9a8c50d8b8b937817f4b955c","checksum":{"type":"MD5","value":"df52293f9a8c50d8b8b937817f4b955c"},"creationDate":"2025-08-08"}}],"citation":"Horst, Taciara Zborowski; Mendonça-Santos, Maria de Lourdes; Jean Michel Moura-Bueno; Samuel-Rosa, Alessandro; Pretto, Ana Caroline, 2025, \"Mapeamento Digital de Solos do Maranhão: fundamentos, boas práticas e exemplos de mapeamento de classes e atributos\", https://doi.org/10.60502/SoilData/HOIDT7, SoilData, V1, UNF:6:b1SmKIYvYKgL7Jbc/Jbtkg== [fileUNF]"}}