La mayoría de las clasificaciones de suelos generan conjuntos discretos, separados por límites abruptos; pero la variación del suelo es continua. Los conjuntos borrosos ofrecen una oportunidad de superar esta limitación mediante diferentes grados de membresía de cada individuo a cada clase, desde 0 (no pertenece) hasta 1 (pertenece). Este estudio clasifica los suelos de la depresión del lago de Valencia, Venezuela, bajo ese enfoque y evalúa los resultados de la clasificación. Se utilizaron datos de 339 perfiles de suelo, interpolados a 15 y 50cm de profundidad. Con base a un análisis de componentes principales, se escogieron las variables porcentaje de arena y de arcilla, pH, conductividad eléctrica y porcentaje de CaCO3 equivalente. Además, se consideraron como atributos morfológicos la secuencia de horizontes (A/C, A/Bw/C o A/Bt/C), clase de drenaje, presencia o no de propiedades vérticas y presencia o no de texturas contrastantes. Se aplicó el algoritmo c-means borroso con extragrados, del programa FuzME. La clasificación resultante agrupó los suelos en 9 clases típicas, más una de extragrados. La variabilidad de las características del suelo dentro de las clases borrosas es baja, excepto para el porcentaje de C orgánico y conductividad eléctrica en el horizonte superficial. Características muy importantes del suelo como el porcentaje de saturación con bases y la capacidad de intercambio catiónico son predecibles por las clases borrosas. La asociación encontrada entre unidades de paisaje y las clases borrosas sugiere que estas últimas son mapeables.
Conventional soil classifications produce discrete groups with sharp boundaries, but soil variation is continuous. The fuzzy set theory offers an opportunity to overcome this limitation, expressing the degree of membership of each individual to every class by means of a function which varies continually between 0 (it does not belong) and 1 (it belongs). This study applies the fuzzy set theory to classify soils from the Valencia Lake basin, Venezuela, and evaluates the results. Data from 339 soil profiles, interpolated at 15 and 50cm depth, were used. The following variables were selected by means of a principal component analysis for their greater contribution to the whole variation: sand and clay percentages, pH, electrical conductivity and CaCO3 equivalent percentage. Additionally, the following morphological attributes were considered: soil horizon sequence (A/C, A/Bw/C or A/Bt/C), soil drainage class, presence or absence of vertic properties and presence or absence of duplex (layers of contrasting soil textures). The fuzzy c-means with extragrades algorithm, available in the FuzME program, was applied. Soil data were clustered into 9 typical classes plus one extragrade class. The within-class variability is low, except for the percentage of soil organic C and electrical conductivity at 15cm. The base saturation and the cation exchange capacity, as laboratory variables from special analyses, are predictable by the fuzzy soil classes. Finally, an association was found between the fuzzy soil classes and landscape units, suggesting that these classes are amenable of mapping.
A maioria das classificações de solos geram conjuntos discretos, separados por limites abruptos; mas a variação do solo é contínua. Os conjuntos difusos oferecem uma oportunidade de superar esta limitação mediante diferentes graus de pertinência de cada indivíduo a cada classe, Adesde 0 (não pertence) até 1 (pertence). Este estudo classifica os solos da depressão do lago de Valencia na Venezuela sob esse enfoque e avalia os resultados da classificação. Utilizaram-se dados de 339 perfis de solo, interpolados a 15 e 50cm de profundidade. Com base em uma análise de componentes principais, se escolheram as variáveis: porcentagem de areia e de argila, pH, condutividade elétrica e porcentagem de CaCO3 equivalente. Além disso, se consideraram como atributos morfológicos a sequência de horizontes (A/C, A/Bw/C o A/Bt/C), classe de drenagem, presença ou não de propriedades vérticas e presença ou não de texturas contrastantes. Aplicou-se o algoritmo c-means difuso com alto grau, do programa FuzME. A classificação resultante agrupou os solos em 9 classes típicas, mais uma de alto grau. A variabilidade das características do solo dentro das classes difusas é baixa, exceto para a porcentagem de C orgânico e condutividade elétrica no horizonte superficial. Características muito importantes do solo como a porcentagem de saturação com bases e a capacidade de intercâmbio catiônico são predizíveis pelas classes difusas. A associação encontrada entre unidades de paisagem e as classes difusas sugere que estas últimas são mapeáveis.