Integração de dados do quickbird e atributos do terreno no mapeamento digital de solos por redes neurais artificiais

Abstract

RESUMONo presente estudo, foi realizada uma avaliação de diferentes variáveis ambientais no mapeamento digital de solos em uma região no norte do Estado de Minas Gerais, utilizando redes neurais artificiais (RNA). Os atributos do terreno declividade e índice topográfico combinado (CTI), derivados de um modelo digital de elevação, três bandas do sensor Quickbird e um mapa de litologia foram combinados, e a importância de cada variável para discriminação das unidades de mapeamento foi avaliada. O simulador de redes neurais utilizado foi o "Java Neural Network Simulator", e o algoritmo de aprendizado, o "backpropagation". Para cada conjunto testado, foi selecionada uma RNA para a predição das unidades de mapeamento; os mapas gerados por esses conjuntos foram comparados com um mapa de solos produzido com o método convencional, para determinação da concordância entre as classificações. Essa comparação mostrou que o mapa produzido com o uso de todas as variáveis ambientais (declividade, índice CTI, bandas 1, 2 e 3 do Quickbird e litologia) obteve desempenho superior (67,4 % de concordância) ao dos mapas produzidos pelos demais conjuntos de variáveis. Das variáveis utilizadas, a declividade foi a que contribuiu com maior peso, pois, quando suprimida da análise, os resultados da concordância foram os mais baixos (33,7 %). Os resultados demonstraram que a abordagem utilizada pode contribuir para superar alguns dos problemas do mapeamento de solos no Brasil, especialmente em escalas maiores que 1:25.000, tornando sua execução mais rápida e mais barata, sobretudo se houver disponibilidade de dados de sensores remotos de alta resolução espacial a custos mais baixos e facilidade de obtenção dos atributos do terreno nos sistemas de informação geográfica (SIG).Termos de indexação: pedologia, mapeamento de solos, inteligência artificial, sensores remotos, geomorfometria.

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

“…In the evaluation of the maps produced by DSM, most authors take a single conventional soil map as reference, for a same legend (for example Chagas et al, 2011;Nolasco-Carvalho et al, 2009;Behrens et al, 2005;Demattê et al, 2004). However, conventional maps differ according to the soil scientist that constructed it, since their establishment includes both science and art (Soil Survey Staff, 1993).…”

Mapeamento digital de solos por redes neurais artificiais com base na relação solo-paisagem

“…Assim, e de acordo com esse autor, o mapeamento de solos tradicional depende da subjetividade do pedólogo e de experiências adquiridas em muitos trabalhos de campo. De maneira semelhante, a inserção de dados quantitativos que expressem os fatores de formação dos solos, em sistemas de inteligência artificial, prediz, a partir de um processo de aprendizagem semelhante, essa mesma ocorrência (Zhu, 2000;Chagas et al, 2010Chagas et al, , 2011 (IPT, 1981). A vegetação original de floresta latifoliada tropical semidecídua encontra-se substituída pela cultura da cana-deaçúcar.…”

Pedomorfogeologia e mapeamento digital de solos com horizonte B textural e B nítico em uma área piloto no Planalto Central do Brasil

“…As técnicas e a ciência do MDS busca criar e disponibilizar a informação espacial sobre o solo mediante métodos de observação em campo e laboratoriais, associados a sistemas de inferência com base nos fatores de formação dos solos (McBratney et al, 2003 (Arruda et al, 2013;Chagas et al, 2011; regressões logísticas múltiplas (Giasson et al 2006;Ten Caten et al, 2011); árvores de decisão (Crivelenti et al, 2009;Giasson et al, 2011) lógica fuzzy (Nolasco-Carvalho et al, 2009); krigagem (Valladares, 2012;Kraemer, 2007); geotecnologias (Loss et al, 2011;Lópes, 2009;Farias, 2008 Em uma rede neural artificial (RNA) existem -neurônios‖ para recepção dos dados, outros para o seu transporte e armazenamento, e um terceiro grupo para divulgação externa da informação. As RNAs visam adquirir o conhecimento a partir de exemplos, que podem ser usados para uma predição subseqüente.…”

“…De acordo com Chagas et al (2011) Assim, implementa-se um conjunto de dados ao nó inicial da árvore e, dependendo do resultado do teste lógico usado pelo nó, a árvore ramifica-se para um dos nós filhos.…”

“…Por esse motivo, a busca por informações atualizadas em solos está crescente (Sanchez, 2009 Nos últimos anos alguns autores aplicaram diferentes técnicas de mapeamento digital de solos no Brasil, tais como redes neurais artificiais (Arruda et al, 2013;Chagas et al, 2011; regressões logísticas múltiplas (Giasson et al, 2006;Ten Caten et al, 2011); árvores de decisão (Crivelenti et al, 2009;Giasson et al, 2011) lógica fuzzy (Nolasco-Carvalho et al, 2009); krigagem (Valladares, 2012;Kraemer, 2007) e geotecnologias diversificadas (Loss et al, 2011;López, 2009;Demattê et al, 2004;Farias, 2008;Sousa Junior e Demattê, 2008 Quanto à geomorfologia, de acordo com Codeplan, 1984;Novaes Pinto, 1994; …”