Comparison between detailed digital and conventional soil maps of an area with complex geology

Since different pedologists will draw different soil maps of a same area, it is important to compare the differences between mapping by specialists and mapping techniques, as for example currently intensively discussed Digital Soil Mapping. Four detailed soil maps (scale 1:10.000) of a 182-ha sugarcane farm in the county of Rafard, São Paulo State, Brazil, were compared. The area has a large variation of soil formation factors. The maps were drawn independently by four soil scientists and compared with a fifth map obtained by a digital soil mapping technique. All pedologists were given the same set of information. As many field expeditions and soil pits as required by each surveyor were provided to define the mapping units (MUs). For the Digital Soil Map (DSM), spectral data were extracted from Landsat 5 Thematic Mapper (TM) imagery as well as six terrain attributes from the topographic map of the area. These data were summarized by principal component analysis to generate the map designs of groups through Fuzzy K-means clustering. Field observations were made to identify the soils in the MUs and classify them according to the Brazilian Soil Classification System (BSCS). To compare the conventional and digital (DSM) soil maps, they were crossed pairwise to generate confusion matrices that were mapped. The categorical analysis at each classification level of the BSCS showed that the agreement between the maps decreased towards the lower levels of classification and the great influence of the surveyor on both the mapping and definition of MUs in the soil map. The average correspondence between the conventional and DSM maps was similar. Therefore, the method used to obtain the DSM yielded similar results to those obtained by the conventional technique, while providing additional information about the landscape of each soil, useful for applications in future surveys of similar areas.

Método do hipercubo latino condicionado para a amostragem de solos na presença de covariáveis ambientais visando o mapeamento digital de solos

A amostragem é uma das etapas mais importantes dos levantamentos de solos. No entanto, os esquemas de amostragem utilizados nos levantamentos convencionais têm se evidenciado inadequados para o mapeamento digital de solos, pois podem comprometer os resultados e, além disso, não possibilitam a realização de análises estatísticas. Este estudo teve por objetivo avaliar o método de amostragem do hipercubo latino condicionado (cLHS, sigla em inglês), na presença de covariáveis ambientais (elevação, declividade, curvatura e mapa de uso e cobertura do solo), em comparação com a amostragem aleatória, na alocação de 100 pontos amostrais, buscando maior representatividade das características ambientais da bacia do rio Guapi-Macacu. O desempenho dos métodos foi avaliado pela análise qualitativa dos histogramas de frequência e das análises estatísticas pelos testes F, T de Student e Kolmogorov-Smirnov (K-S), para cada covariável. Os resultados apresentaram que os pontos selecionados pelo método cLHS possuíam distribuição geográfica mais adequada do que aqueles obtidos pela amostragem aleatória. Além disso, o método cLHS preservou mais a distribuição de frequência das covariáveis contínuas do que a amostragem aleatória; para covariável categórica uso e cobertura do solo os métodos foram equivalentes. Os testes estatísticos confirmaram o melhor desempenho do método cLHS, cujas amostras não diferiram estatisticamente da bacia. Entretanto, a amostragem aleatória apresentou diferença estatística para com a bacia, para todas as covariáveis contínuas para pelo menos um dos testes utilizados. Assim, o método cLHS pode ser considerado como um método satisfatório para seleção de locais de amostragem em áreas heterogêneas similares as deste estudo, visando a utilização no mapeamento digital de solos.

Evaluation of statistical and geostatistical models of digital soil properties mapping in tropical mountain regions

Soil properties have an enormous impact on economic and environmental aspects of agricultural production. Quantitative relationships between soil properties and the factors that influence their variability are the basis of digital soil mapping. The predictive models of soil properties evaluated in this work are statistical (multiple linear regression-MLR) and geostatistical (ordinary kriging and co-kriging). The study was conducted in the municipality of Bom Jardim, RJ, using a soil database with 208 sampling points. Predictive models were evaluated for sand, silt and clay fractions, pH in water and organic carbon at six depths according to the specifications of the consortium of digital soil mapping at the global level (GlobalSoilMap). Continuous covariates and categorical predictors were used and their contributions to the model assessed. Only the environmental covariates elevation, aspect, stream power index (SPI), soil wetness index (SWI), normalized difference vegetation index (NDVI), and b3/b2 band ratio were significantly correlated with soil properties. The predictive models had a mean coefficient of determination of 0.21. Best results were obtained with the geostatistical predictive models, where the highest coefficient of determination 0.43 was associated with sand properties between 60 to 100 cm deep. The use of a sparse data set of soil properties for digital mapping can explain only part of the spatial variation of these properties. The results may be related to the sampling density and the quantity and quality of the environmental covariates and predictive models used.

Comparação do uso de modelos digitais de elevação em mapeamento digital de solos em Dois Irmãos, RS, Brasil

Os modelos digitais de elevação (MDEs) são fontes fundamentais para correlacionar a ocorrência e distribuição de solos com a paisagem pelo mapeamento digital de solos (MDS). A influência dos tipos e das resoluções dos MDEs na capacidade de predição dos modelos preditores de classes de solo ainda é pouco estudada. Neste estudo, foram avaliados e comparados os efeitos de diferentes MDEs na predição de ocorrência de unidades de mapeamento de solo (UM). Foram correlacionados 12 atributos do terreno derivados de diferentes MDEs com a ocorrência de UM. Os MDEs utilizados foram os oriundos dos projetos SRTM v4.1, ASTER GDEM v2, TOPODATA e Brasil em Relevo, e os MDEs gerados a partir de curvas de nível na escala de 1:50.000, com resoluções de 30 e 90 m. Os modelos preditores foram treinados por árvore de decisão (Simple Cart) com dados amostrados em 4.280 pontos aleatórios contendo informações dos solos extraídos de um mapa convencional de solos na escala 1:20.000 e 12 atributos do terreno derivados de seis MDEs com tamanhos de pixel de 30 e 90 m. A validação dos modelos preditores de UM foi realizada com a totalidade dos dados da área. Os atributos do terreno que melhor explicaram a ocorrência das UM foram elevação, declividade, comprimento de fluxo e orientação das vertentes. Os MDEs com tamanho de pixel de 30 m geraram correlações solo-paisagem menos acuradas. Os modelos preditores mais acurados e com maior número de UM estimadas foram os gerados a partir dos MDEs com resolução espacial de 90 m (SRTM v4.1 e CN90), sendo esses os MDEs mais indicados para o MDS, quando predominarem relevos plano e suave ondulado.

Mapeamento digital de atributos: granulometria e matéria orgânica do solo utilizando espectroscopia de de reflectância difusa

A espectroscopia de reflectância difusa (ERD) pode ser utilizada como alternativa para quantificação de atributos como granulometria e matéria orgânica do solo (MOS). Essa técnica pode ser opção para quantificar esses atributos em grande volume de amostras de solos, visto ser rápida, com menor custo e sem a geração de resíduos químicos. O objetivo deste estudo foi desenvolver modelos usando análise de regressão linear múltipla para predizer o teor de argila, areia, silte e MOS, utilizando dados de ERD em uma área de relevo e geologia complexa localizada na região central do Rio Grande do Sul. No estudo, foram utilizadas 303 amostras coletadas na profundidade de 0,00-0,20 m para determinar os teores de argila, areia, silte e MOS por meio da análise laboratorial e de reflectância espectral. O desempenho dos modelos de predição apresentaram bons resultados, com capacidade de explicação da variância de 77 e 72 % para areia e argila, respectivamente. Mesmo com a complexidade geológica e pedológica, os resultados evidenciaram que a técnica é promissora, sendo possível a aplicação dessa técnica para predição da granulometria e teor de MOS.

COMPARAÇÃO DE ESQUEMAS DE AMOSTRAGEM PARA TREINAMENTO DE MODELOS PREDITORES NO MAPEAMENTO DIGITAL DE CLASSES DE SOLOS

Os modelos preditores usados no mapeamento digital de solos (MDS) precisam ser treinados com dados que captem ao máximo a variação dos atributos do terreno e dos solos, a fim de gerar correlações adequadas entre as variáveis ambientais e a ocorrência dos solos. Para avaliar a acurácia desses modelos, tem sido constatado o uso de diferentes métodos de avaliação da acurácia no MDS. Os objetivos deste estudo foram comparar o uso de três esquemas de amostragem para treinar algoritmo de árvore de classificação (CART) e avaliar a capacidade de predição dos modelos gerados por meio de quatro métodos. Foram utilizados os esquemas de amostragem: aleatório simples; proporcional à área de cada unidade de mapeamento de solos (UM); e estratificado pelo número de UM. Os métodos de avaliação testados foram: aparente, divisão percentual, validação cruzada com 10 subconjuntos e reamostragem com sete conjuntos de dados independentes. As acurácias dos modelos estimadas pelos métodos foram comparadas com as acurácias mensuradas obtidas pela comparação dos mapas gerados, a partir de cada esquema de amostragem, com o mapa convencional de solos na escala 1:50.000. Os esquemas de amostragem influenciaram na quantidade de UMs preditas e na acurácia dos modelos e dos mapas gerados. Os esquemas de amostragem proporcional e estratificada resultaram mapas digitais menos acurados, e a acurácia dos modelos variou conforme o método de avaliação empregado. A amostragem aleatória resultou no mapa digital mais acurado e apresentou valores da acurácia semelhantes para todos os métodos de avaliação testados.

Advanced Kernel Methods For Remote Sensing Image Classification

Résumé Suite aux recentes avancées technologiques, les archives d'images digitales ont connu une croissance qualitative et quantitative sans précédent. Malgré les énormes possibilités qu'elles offrent, ces avancées posent de nouvelles questions quant au traitement des masses de données saisies. Cette question est à la base de cette Thèse: les problèmes de traitement d'information digitale à très haute résolution spatiale et/ou spectrale y sont considérés en recourant à des approches d'apprentissage statistique, les méthodes à noyau. Cette Thèse étudie des problèmes de classification d'images, c'est à dire de catégorisation de pixels en un nombre réduit de classes refletant les propriétés spectrales et contextuelles des objets qu'elles représentent. L'accent est mis sur l'efficience des algorithmes, ainsi que sur leur simplicité, de manière à augmenter leur potentiel d'implementation pour les utilisateurs. De plus, le défi de cette Thèse est de rester proche des problèmes concrets des utilisateurs d'images satellite sans pour autant perdre de vue l'intéret des méthodes proposées pour le milieu du machine learning dont elles sont issues. En ce sens, ce travail joue la carte de la transdisciplinarité en maintenant un lien fort entre les deux sciences dans tous les développements proposés. Quatre modèles sont proposés: le premier répond au problème de la haute dimensionalité et de la redondance des données par un modèle optimisant les performances en classification en s'adaptant aux particularités de l'image. Ceci est rendu possible par un système de ranking des variables (les bandes) qui est optimisé en même temps que le modèle de base: ce faisant, seules les variables importantes pour résoudre le problème sont utilisées par le classifieur. Le manque d'information étiquétée et l'incertitude quant à sa pertinence pour le problème sont à la source des deux modèles suivants, basés respectivement sur l'apprentissage actif et les méthodes semi-supervisées: le premier permet d'améliorer la qualité d'un ensemble d'entraînement par interaction directe entre l'utilisateur et la machine, alors que le deuxième utilise les pixels non étiquetés pour améliorer la description des données disponibles et la robustesse du modèle. Enfin, le dernier modèle proposé considère la question plus théorique de la structure entre les outputs: l'intègration de cette source d'information, jusqu'à présent jamais considérée en télédétection, ouvre des nouveaux défis de recherche. Advanced kernel methods for remote sensing image classification Devis Tuia Institut de Géomatique et d'Analyse du Risque September 2009 Abstract The technical developments in recent years have brought the quantity and quality of digital information to an unprecedented level, as enormous archives of satellite images are available to the users. However, even if these advances open more and more possibilities in the use of digital imagery, they also rise several problems of storage and treatment. The latter is considered in this Thesis: the processing of very high spatial and spectral resolution images is treated with approaches based on data-driven algorithms relying on kernel methods. In particular, the problem of image classification, i.e. the categorization of the image's pixels into a reduced number of classes reflecting spectral and contextual properties, is studied through the different models presented. The accent is put on algorithmic efficiency and the simplicity of the approaches proposed, to avoid too complex models that would not be used by users. The major challenge of the Thesis is to remain close to concrete remote sensing problems, without losing the methodological interest from the machine learning viewpoint: in this sense, this work aims at building a bridge between the machine learning and remote sensing communities and all the models proposed have been developed keeping in mind the need for such a synergy. Four models are proposed: first, an adaptive model learning the relevant image features has been proposed to solve the problem of high dimensionality and collinearity of the image features. This model provides automatically an accurate classifier and a ranking of the relevance of the single features. The scarcity and unreliability of labeled. information were the common root of the second and third models proposed: when confronted to such problems, the user can either construct the labeled set iteratively by direct interaction with the machine or use the unlabeled data to increase robustness and quality of the description of data. Both solutions have been explored resulting into two methodological contributions, based respectively on active learning and semisupervised learning. Finally, the more theoretical issue of structured outputs has been considered in the last model, which, by integrating outputs similarity into a model, opens new challenges and opportunities for remote sensing image processing.

Spatial analysis of erythrocyte membrane fluctuations by digital holographic microscopy.

Red blood cell (RBC) membrane fluctuations provide important insights into cell states. We present a spatial analysis of red blood cell membrane fluctuations by using digital holographic microscopy (DHM). This interferometric and dye-free technique, possessing nanometric axial and microsecond temporal sensitivities enables to measure cell membrane fluctuations (CMF) on the whole cell surface. DHM acquisition is combined with a model which allows extracting the membrane fluctuation amplitude, while taking into account cell membrane topology. Uneven distribution of CMF amplitudes over the RBC surface is observed, showing maximal values in a ring corresponding to the highest points on the RBC torus as well as in some scattered areas in the inner region of the RBC. CMF amplitudes of 35.9+/-8.9 nm and 4.7+/-0.5 nm (averaged over the cell surface) were determined for normal and ethanol-fixed RBCs, respectively.

SELEÇÃO DE DENSIDADE DE AMOSTRAGEM COM BASE EM DADOS DE ÁREAS JÁ MAPEADAS PARA TREINAMENTO DE MODELOS DE ÁRVORE DE DECISÃO NO MAPEAMENTO DIGITAL DE SOLOS

Para estudar técnicas de amostragem, úteis ao mapeamento digital de solos (MDS), objetivou-se avaliar o efeito da variação da densidade de pontos amostrais com base em dados de áreas já mapeadas por métodos tradicionais na acurácia dos modelos de árvores de decisão (AD) para a geração de mapas de solos por MDS. Em duas bacias hidrográficas no noroeste do Rio Grande do Sul, usou-se, como referência, antigos mapas convencionais de solos na escala 1:50.000. A partir do modelo digital de elevação do terreno e da rede hidrográfica, foram gerados mapas das variáveis preditoras: elevação, declividade, curvatura, comprimento de fluxo, acúmulo de fluxo, índice de umidade topográfica e distância euclideana de rios. A escolha dos locais dos pontos amostrais foi aleatória e testaram-se densidades amostrais que variaram de 0,1 a 4 pontos/ha. O treinamento dos modelos foi realizado no software Weka, gerando-se modelos preditores usando diferentes tamanhos do nó final da AD para obter AD com tamanhos distintos. Quando não se controlou o tamanho das AD, o aumento da densidade de amostragem resultou no aumento da concordância com os mapas básicos de referências e no aumento do número de unidades de mapeamento preditas. Nas AD com tamanho controlado, o aumento da densidade de amostragem não influenciou a concordância com os mapas de referência e interferiu muito pouco no número de unidades de mapeamento preditas.

Multiple Geotechnological Tools Applied to Digital Mapping of Tropical Soils

ABSTRACT In recent years, geotechnologies as remote and proximal sensing and attributes derived from digital terrain elevation models indicated to be very useful for the description of soil variability. However, these information sources are rarely used together. Therefore, a methodology for assessing and specialize soil classes using the information obtained from remote/proximal sensing, GIS and technical knowledge has been applied and evaluated. Two areas of study, in the State of São Paulo, Brazil, totaling approximately 28.000 ha were used for this work. First, in an area (area 1), conventional pedological mapping was done and from the soil classes found patterns were obtained with the following information: a) spectral information (forms of features and absorption intensity of spectral curves with 350 wavelengths -2,500 nm) of soil samples collected at specific points in the area (according to each soil type); b) obtaining equations for determining chemical and physical properties of the soil from the relationship between the results obtained in the laboratory by the conventional method, the levels of chemical and physical attributes with the spectral data; c) supervised classification of Landsat TM 5 images, in order to detect changes in the size of the soil particles (soil texture); d) relationship between classes relief soils and attributes. Subsequently, the obtained patterns were applied in area 2 obtain pedological classification of soils, but in GIS (ArcGIS). Finally, we developed a conventional pedological mapping in area 2 to which was compared with a digital map, ie the one obtained only with pre certain standards. The proposed methodology had a 79 % accuracy in the first categorical level of Soil Classification System, 60 % accuracy in the second category level and became less useful in the categorical level 3 (37 % accuracy).

10 ans de lutte contre la violence domestique dans le canton de Vaud: résumé de la recherche menée par l'Unité de Médecine des Violences (UMV) sur mandat de la Commission cantonale de lutte contre la violence domestique (CCLVD)

[Sommaire] Introduction. - 1. Quelques données de base: le contexte juridique, la violence domestique: une réalité chiffrée, principales institutions du réseau d'aide dans le canton de Vaud. - 2. Résumé de la recherche "10 ans de lutte contre la violence domestique dans le canton de Vaud": contexte, méthode, résultats, recommandations à l'intention de la CCLVD. - 3. Axes stratégiques de la politique cantonale de prévention de lutte contre la violence domestique 2011-2015. - Bibliographie [Introduction (extrait)] La violence entre membres d'une même famille ou entre proches, à savoir la violence domestique, a longtemps été considérée comme une affaire privée et un tabou. Un important changement de mentalité s'est toutefois opéré ces 20 dernières années. La lutte contre la violence envers les femmes d'une manière générale et contre la violence domestique en particulier préoccupe de plus en plus les organes internationaux, nationaux et locaux et est reconnue comme une tâche d'intérêt public. [...] Dans le canton de Vaud, en 1999, le Bureau de l'égalité entre les femmes et les hommes (BEFH) a mandaté l'Unité de Prévention de l'Institut de médecine sociale et préventive du CHUV, afin de mener une étude sur la violence conjugale, auprès des institutions concernées2. Cette recherche visait à établir un état des lieux et à identifier les besoins prioritaires. En 2001, des recommandations ont émergé de cette étude sous la forme de 40 mesures. Six d'entre elles ont été retenues comme prioritaires par la Conseillère d'Etat Madame Jacqueline Maurer Mayor. Presque 10 ans après, en automne 2008, la Commission cantonale de lutte contre la violence domestique (CCLVD), instituée par le Conseil d'Etat afin de coordonner les efforts en vue de la prévention et de la lutte contre la violence domestique, a décidé de faire un bilan sur la réalisation de ces mesures, d'identifier les besoins actuels des professionnel-le-s de terrain et les problématiques émergeantes. Les résultats de cette étude, menée par L'Unité d médecine des violences (UMV) ont servi de fondement à la CCLVD dans l'établissement d'un plan stratégique 2011-2015, en matière de lutte contre la violence conjugale dans le canton de Vaud. Le présent document présente à la fois un éclairage contextuel sur la situation dans le canton de Vaud aujourd'hui et une synthèse de la recherche précitée.

Digital holographic microscopy: a noninvasive contrast imaging technique allowing quantitative visualization of living cells with subwavelength axial accuracy.

We have developed a digital holographic microscope (DHM), in a transmission mode, especially dedicated to the quantitative visualization of phase objects such as living cells. The method is based on an original numerical algorithm presented in detail elsewhere [Cuche et al., Appl. Opt. 38, 6994 (1999)]. DHM images of living cells in culture are shown for what is to our knowledge the first time. They represent the distribution of the optical path length over the cell, which has been measured with subwavelength accuracy. These DHM images are compared with those obtained by use of the widely used phase contrast and Nomarski differential interference contrast techniques.