Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais

Detalhes bibliográficos
Autor(a) principal: Carvalho Junior, Waldir de
Data de Publicação: 2005
Tipo de documento: Tese
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://www.locus.ufv.br/handle/123456789/10972
Resumo: O presente estudo foi desenvolvido com o objetivo de compreender a organização dos solos de paisagens dos mares de morros, reconhecer seus padrões e subsidiar seu mapeamento. A área de estudo situa-se na Região Noroeste fluminense, englobada pela folha topográfica Varre Sai do IBGE, que abrange parte dos municípios de Natividade, Porciúncula e Varre Sai. Para isso foram avaliadas as feições geomorfométricas que definem um padrão geomórfico das paisagens, sendo composta por altimetria, altimetria relativa, aspecto, curvatura, curvatura plana, perfil de curvatura, declividade, sentido do escoamento, escoamento acumulado e distância euclidiana da drenagem, sendo todas estas feições obtidas por técnicas de geoprocessamento. Todos os atributos foram obtidos a partir do modelo digital de elevação e, em razão disso, os dados primários de elevação foram os mais precisos possíveis. Através destes atributos geomorfométricos elaborou-se um padrão geomorfométrico das paisagens definidas e foram conduzidas classificações supervisionadas, utilizando-se redes neurais artificiais e o algoritmo de máxima verossimilhança, para fins de comparação. Os resultados mostraram ser possível a utilização de redes neurais artificiais para a classificação de paisagens de áreas montanhosas sob dissecação homogênea, com uma exatidão global de 70%, um pouco acima daquela obtida pelo algoritmo de máxima verossimilhança, que obteve uma exatidão global de aproximadamente 66%. Este estudo mostrou que a utilização de técnicas de geoprocessamento para gerar os atributos geomorfométricos, aliados a classificadores supervisionados, pode subsidiar o delineamento dos levantamentos de solos, tornando-os mais rápidos, menos dependentes da experiência do mapeador e menos onerosos, diminuindo a subjetividade dos mesmos. Constitui-se de uma abordagem nova no Brasil, que deve ser estendida para outras áreas com informações mais precisas de altimetria, para testar a sua eficácia.
id UFV_8cb80fa03a196f7aa3012e09a3d4ca49
oai_identifier_str oai:locus.ufv.br:123456789/10972
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Ker, João CarlosVieira, Carlos Antonio OliveiraCarvalho Junior, Waldir dehttp://lattes.cnpq.br/7992394393174495Fernandes Filho, Elpídio Inácio2017-07-03T11:40:37Z2017-07-03T11:40:37Z2005-08-03CARVALHO JUNIOR, Waldir. Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais. 2005. 143 f. Tese (Doutorado em Solos e Nutrição de Plantas) - Universidade Federal de Viçosa, Viçosa. 2005.http://www.locus.ufv.br/handle/123456789/10972O presente estudo foi desenvolvido com o objetivo de compreender a organização dos solos de paisagens dos mares de morros, reconhecer seus padrões e subsidiar seu mapeamento. A área de estudo situa-se na Região Noroeste fluminense, englobada pela folha topográfica Varre Sai do IBGE, que abrange parte dos municípios de Natividade, Porciúncula e Varre Sai. Para isso foram avaliadas as feições geomorfométricas que definem um padrão geomórfico das paisagens, sendo composta por altimetria, altimetria relativa, aspecto, curvatura, curvatura plana, perfil de curvatura, declividade, sentido do escoamento, escoamento acumulado e distância euclidiana da drenagem, sendo todas estas feições obtidas por técnicas de geoprocessamento. Todos os atributos foram obtidos a partir do modelo digital de elevação e, em razão disso, os dados primários de elevação foram os mais precisos possíveis. Através destes atributos geomorfométricos elaborou-se um padrão geomorfométrico das paisagens definidas e foram conduzidas classificações supervisionadas, utilizando-se redes neurais artificiais e o algoritmo de máxima verossimilhança, para fins de comparação. Os resultados mostraram ser possível a utilização de redes neurais artificiais para a classificação de paisagens de áreas montanhosas sob dissecação homogênea, com uma exatidão global de 70%, um pouco acima daquela obtida pelo algoritmo de máxima verossimilhança, que obteve uma exatidão global de aproximadamente 66%. Este estudo mostrou que a utilização de técnicas de geoprocessamento para gerar os atributos geomorfométricos, aliados a classificadores supervisionados, pode subsidiar o delineamento dos levantamentos de solos, tornando-os mais rápidos, menos dependentes da experiência do mapeador e menos onerosos, diminuindo a subjetividade dos mesmos. Constitui-se de uma abordagem nova no Brasil, que deve ser estendida para outras áreas com informações mais precisas de altimetria, para testar a sua eficácia.The present study was developed with the objective of understanding the soils organization on landscapes of mountainous areas, to recognize its patterns and to subsidize its surveys. The study area is in the Northwest Region of the State of Rio de Janeiro, included by the IBGE ́s topographical leaf “Varre Sai”, that englobe part of the municipal districts of Natividade, Porciúncula and Varre Sai. For that they were appraised the geomorphometrics features that define a geomorphic signature of the landscapes, being composed by elevation, relative elevation, aspect, curvature, curvature planes, curvature profile, slope, flow direction, flow accumulation and drainage ́s euclidian distance, being all these features obtained by geoprocessing techniques. All the attributes were obtained from the digital elevation model and, in reason of that, the primary data of elevation were the most precise possible. Through these geomorphometric attributes a geomorphic signature of the defined landscapes was elaborated and supervised classifications were made, being used artificial neural network and the algorithm of maximum verisimilitude, for comparison ends. The results showed to be possible the use of artificial neural network for the classification of landscapes of mountainous areas, with a global accuracy of 70%, a little above that obtained by the algorithm of maximum verisimilitude, that obtained a global accuracy of approximately 66%. This study showed that the use of geoprocessamento techniques to generate the geomorphometrics attributes, aided with supervised classifiers, can subsidize the soils surveys, turning them faster, less dependents of the experience of the expert and less onerous, decreasing the subjectivity. It is constituted of an unpublished approach in Brazil, that should be extended for others areas with more precise elevation information, in order to test the effectiveness.porUniversidade Federal de ViçosaModelagemSolosPaisagemRedes Neurais ArtificiaisCiências AgráriasClassificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais ArtificiaisLandscapes supervised classification of mountainous Areas using Artificial Neural Networkinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal de ViçosaDepartamento de SolosDoutor em Solos e Nutrição de PlantasViçosa - MG2005-08-03Doutoradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf9957574https://locus.ufv.br//bitstream/123456789/10972/1/texto%20completo.pdf03cd1b73f67de78f8c327fa4451cfa66MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/10972/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3651https://locus.ufv.br//bitstream/123456789/10972/3/texto%20completo.pdf.jpg9a99bc1ca340ac3ad70693d3902c8024MD53123456789/109722017-07-03 23:00:24.239oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452017-07-04T02:00:24LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais
dc.title.en.fl_str_mv Landscapes supervised classification of mountainous Areas using Artificial Neural Network
title Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais
spellingShingle Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais
Carvalho Junior, Waldir de
Modelagem
Solos
Paisagem
Redes Neurais Artificiais
Ciências Agrárias
title_short Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais
title_full Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais
title_fullStr Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais
title_full_unstemmed Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais
title_sort Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais
author Carvalho Junior, Waldir de
author_facet Carvalho Junior, Waldir de
author_role author
dc.contributor.authorLattes.pt-BR.fl_str_mv http://lattes.cnpq.br/7992394393174495
dc.contributor.none.fl_str_mv Ker, João Carlos
Vieira, Carlos Antonio Oliveira
dc.contributor.author.fl_str_mv Carvalho Junior, Waldir de
dc.contributor.advisor1.fl_str_mv Fernandes Filho, Elpídio Inácio
contributor_str_mv Fernandes Filho, Elpídio Inácio
dc.subject.pt-BR.fl_str_mv Modelagem
Solos
Paisagem
Redes Neurais Artificiais
topic Modelagem
Solos
Paisagem
Redes Neurais Artificiais
Ciências Agrárias
dc.subject.cnpq.fl_str_mv Ciências Agrárias
description O presente estudo foi desenvolvido com o objetivo de compreender a organização dos solos de paisagens dos mares de morros, reconhecer seus padrões e subsidiar seu mapeamento. A área de estudo situa-se na Região Noroeste fluminense, englobada pela folha topográfica Varre Sai do IBGE, que abrange parte dos municípios de Natividade, Porciúncula e Varre Sai. Para isso foram avaliadas as feições geomorfométricas que definem um padrão geomórfico das paisagens, sendo composta por altimetria, altimetria relativa, aspecto, curvatura, curvatura plana, perfil de curvatura, declividade, sentido do escoamento, escoamento acumulado e distância euclidiana da drenagem, sendo todas estas feições obtidas por técnicas de geoprocessamento. Todos os atributos foram obtidos a partir do modelo digital de elevação e, em razão disso, os dados primários de elevação foram os mais precisos possíveis. Através destes atributos geomorfométricos elaborou-se um padrão geomorfométrico das paisagens definidas e foram conduzidas classificações supervisionadas, utilizando-se redes neurais artificiais e o algoritmo de máxima verossimilhança, para fins de comparação. Os resultados mostraram ser possível a utilização de redes neurais artificiais para a classificação de paisagens de áreas montanhosas sob dissecação homogênea, com uma exatidão global de 70%, um pouco acima daquela obtida pelo algoritmo de máxima verossimilhança, que obteve uma exatidão global de aproximadamente 66%. Este estudo mostrou que a utilização de técnicas de geoprocessamento para gerar os atributos geomorfométricos, aliados a classificadores supervisionados, pode subsidiar o delineamento dos levantamentos de solos, tornando-os mais rápidos, menos dependentes da experiência do mapeador e menos onerosos, diminuindo a subjetividade dos mesmos. Constitui-se de uma abordagem nova no Brasil, que deve ser estendida para outras áreas com informações mais precisas de altimetria, para testar a sua eficácia.
publishDate 2005
dc.date.issued.fl_str_mv 2005-08-03
dc.date.accessioned.fl_str_mv 2017-07-03T11:40:37Z
dc.date.available.fl_str_mv 2017-07-03T11:40:37Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CARVALHO JUNIOR, Waldir. Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais. 2005. 143 f. Tese (Doutorado em Solos e Nutrição de Plantas) - Universidade Federal de Viçosa, Viçosa. 2005.
dc.identifier.uri.fl_str_mv http://www.locus.ufv.br/handle/123456789/10972
identifier_str_mv CARVALHO JUNIOR, Waldir. Classificação supervisionada de pedopaisagens do domínio dos mares de morros utilizando Redes Neurais Artificiais. 2005. 143 f. Tese (Doutorado em Solos e Nutrição de Plantas) - Universidade Federal de Viçosa, Viçosa. 2005.
url http://www.locus.ufv.br/handle/123456789/10972
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/10972/1/texto%20completo.pdf
https://locus.ufv.br//bitstream/123456789/10972/2/license.txt
https://locus.ufv.br//bitstream/123456789/10972/3/texto%20completo.pdf.jpg
bitstream.checksum.fl_str_mv 03cd1b73f67de78f8c327fa4451cfa66
8a4605be74aa9ea9d79846c1fba20a33
9a99bc1ca340ac3ad70693d3902c8024
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801212967792934912