Estimativa da erosividade local das chuvas, utilizando redes neurais artificiais

• Autor(a) principal: Alves Sobrinho, Teodorico
• Data de Publicação: 2011
• Outros Autores: Pertussatti, Caroline Alvarenga, Rebucci, Lais Cristina Soares, Oliveira, Paulo Tarso Sanches de
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFMS
• Texto Completo: https://repositorio.ufms.br/handle/123456789/1588
• topic: Inteligência Artificial; Artificial Intelligence; Redes Neurais (Computação); Neural Networks (Computer Science); Solos - conservação; Soil Conservation; Erosão; Erosion

A obtenção de valores locais de erosividade da chuva é fundamental para a estimativa da perda de solo a partir do modelo Universal Soil Loss Equation (USLE), sendo assim, útil no planejamento conservacionista do solo e da água. Desse modo, objetivou-se no presente estudo, desenvolver uma Rede Neural Artificial (RNA) capaz de estimar, com precisão satisfatória, a erosividade da chuva em qualquer localidade do Estado de Mato Grosso do Sul. Para tanto, foram utilizados dados de erosividade da chuva, latitude, longitude e altitude de estações pluviométricas e pluviográficas localizadas no Estado para o treinamento e teste de uma RNA. Após o treinamento com várias configurações de rede, selecionou-se a que apresentou melhor desempenho, ou seja, maior coeficiente de determinação, calculado com base nos dados de erosividade da amostra teste e dos respectivos valores estimados pela RNA. Na avaliação dos resultados obtidos, foram utilizados, além do coeficiente de determinação, o índice de confiança e o índice de concordância. Verificou-se que é possível estimar a erosividade da chuva para qualquer localidade do Estado de Mato Grosso do Sul, de forma confiável, utilizando-se apenas dados de coordenadas geográficas e altitude.