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

CHAGAS, C. da S.; CARVALHO JUNIOR, W. de; BHERING, S. B.

Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/896529

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	CHAGAS, C. da S.	pt_BR
dc.contributor.author	CARVALHO JUNIOR, W. de	pt_BR
dc.contributor.author	BHERING, S. B.	pt_BR
dc.date.accessioned	2011-07-21T11:11:11Z	pt_BR
dc.date.accessioned	2011-07-21T11:11:11Z	pt_BR
dc.date.available	2011-07-21T11:11:11Z	pt_BR
dc.date.available	2011-07-21T11:11:11Z	pt_BR
dc.date.created	2011-07-21	pt_BR
dc.date.issued	2011	pt_BR
dc.identifier.citation	Revista Brasileira de Ciência do Solo, v. 35, n. 3, p. 693-704, jun. 2011.	pt_BR
dc.identifier.uri	http://www.alice.cnptia.embrapa.br/alice/handle/doc/896529	pt_BR
dc.description	No 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).	pt_BR
dc.language.iso	por	pt_BR
dc.rights	openAccess	pt_BR
dc.subject	Mapeamento de solos	pt_BR
dc.subject	Inteligência artificial	pt_BR
dc.subject	Sensores remotos	pt_BR
dc.subject	Geomorfometria	pt_BR
dc.title	Integração de dados do Quickbird e atributos do terreno no mapeamento digital de solos por redes neurais artificiais.	pt_BR
dc.type	Artigo de periódico	pt_BR
dc.date.updated	2012-08-16T11:11:11Z	pt_BR
dc.subject.thesagro	Pedologia	pt_BR
riaa.ainfo.id	896529	pt_BR
riaa.ainfo.lastupdate	2012-08-16	pt_BR
dc.identifier.doi	https://doi.org/10.1590/S0100-06832011000300004	pt_BR
dc.contributor.institution	CESAR DA SILVA CHAGAS, CNPS; WALDIR DE CARVALHO JUNIOR, CNPS; SILVIO BARGE BHERING, CNPS.	pt_BR
Aparece nas coleções:	Artigo em periódico indexado (CNPS)

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
CesarRBrasCSoloV35n3a04.pdf		1,6 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas