Dados SRTM e derivados no mapeamento geomorfológico regional

• Autor(a) principal: Pedro José Farias Fernandes
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
• Texto Completo: http://urlib.net/sid.inpe.br/mtc-m19/2013/08.16.21.36

O objetivo geral deste trabalho é gerar conhecimento para o desenvolvimento de metodologias que utilizem dados SRTM e ferramentas de SIG para o refinamento de mapas geomorfológicos regionais antigos de pequena escala, como os do projeto RADAMBRASIL. Especificamente, buscou-se caracterizar visualmente e quantitativamente as classes do mapa geomorfológico RADAMBRASIL em uma área no Estado do Rio de Janeiro de acordo com a geomorfometria, indicar as variáveis geomorfométricas com potencial de diferenciação de classes, e experimentar a aplicação dessas variáveis no mapeamento geomorfológico das classes RADAMBRASIL. Os dados SRTM provenientes do projeto TOPODATA foram preparados e tratados em ambiente SIG, o que permitiu a análise visual e quantitativa das classes RADAMBRASIL e a indicação de variáveis geomorfométricas separadoras de classes. Após as análises, o conhecimento foi estruturado para proceder com os recursos de análise de imagem baseada em objetos e de mineração de dados, que viabilizaram o mapeamento geomorfológico para cada nível taxonômico, a partir do uso do algoritmo de segmentação multirresolução. Antes de se prosseguir para o próximo táxon, erros de classificação e de segmentação foram editados para não haver propagação de erros. Os resultados da mineração de dados mostraram conformidade com a caracterização geomorfométrica inicial. As classificações foram avaliadas com valores Kappa a partir de um mapa geomorfológico do CPRM e do próprio mapa RADAMBRASIL, e podem ser consideradas satisfatórias. Os mapas obtidos para cada nível taxonômico exibiram contornos detalhados, o que indica que os dados SRTM podem ser utilizados para refinar contornos de mapas antigos e para o mapeamento geomorfológico regional em escalas superiores a 1: 1.000.000, uma vez que que o algoritmo de segmentação é sensível às descontinuidades geomorfológicas da declividade e altimetria SRTM, além de tornar possível o estabelecimento de um modelo de conhecimento geomorfológico.