Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/919357
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorARCOVERDE, G. F. B.pt_BR
dc.contributor.authorALMEIDA, C. M. dept_BR
dc.contributor.authorXIMENES, A. de C.pt_BR
dc.contributor.authorMAEDA, E. E.pt_BR
dc.contributor.authorARAUJO, L. S. dept_BR
dc.date.accessioned2012-03-20T01:03:16Z-
dc.date.available2012-03-20T01:03:16Z-
dc.date.created2012-03-19pt_BR
dc.date.issued2011pt_BR
dc.identifier.citationBoletim de Ciências Geodésicas, Curitiba, v. 17, n. 3, p. 379-400, jul./set. 2011.pt_BR
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/919357pt_BR
dc.descriptionO objetivo deste trabalho foi identificar áreas prioritárias para a recuperação florestal e analisar variáveis a elas relacionadas através da rede neural artificial (RNA) de Mapas Auto-Organizáveis (SOM), em duas escalas. Primeiramente, procurou-se identificar uma sub-bacia hidrográfica prioritária para a recuperação florestal na Unidade de Gerenciamento de Recursos Hídricos Paulista (UGRHI) do rio Paraíba do Sul por SOM. Para isto, foram utilizadas variáveis de conectividade ambiental e cobertura florestal. Definiu-se uma sub-bacia hidrográfica situada na represa do Jaguari, município de Igaratá, para estudo em uma escala de maior detalhe. Nas Áreas de Proteção Permanentes (APPs) englobadas nesta sub-bacia hidrográfica, foi realizada uma nova análise por SOM. Neste caso, foram consideradas variáveis de distância a fragmentos florestais, a áreas urbanas, a estradas pavimentadas e a construções rurais, assim como o Índice de Vegetação por Diferença Normalizada e o Potencial Natural de Erodibilidade Laminar. Em ambas as escalas, as áreas prioritárias para a recuperação florestal foram determinadas através de histogramas do somatório dos valores dos Mapas Auto-Organizáveis de cada variável por agrupamentos delimitados. Por fim, foi gerado um mapa de contribuição de amostras para neurônios vencedores, o que permitiu uma nova abordagem para a análise dos agrupamentos gerados.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectRedes neurais não supervisionadaspt_BR
dc.subjectRecuperação florestalpt_BR
dc.subjectReconhecimento de padrões espaciaispt_BR
dc.titleIdentificação de áreas prioritárias para recuperação florestal com o uso de rede neural de mapas auto-organizáveis.pt_BR
dc.typeArtigo de periódicopt_BR
dc.date.updated2019-05-03T11:11:11Zpt_BR
dc.subject.thesagroBacia Hidrográficapt_BR
riaa.ainfo.id919357pt_BR
riaa.ainfo.lastupdate2019-05-03 -03:00:00pt_BR
dc.contributor.institutionGUSTAVO FELIPE BALUÉ ARCOVERDE, INPE; CLÁUDIA MARIA DE ALMEIDA, INPE; ARIMATEA DE CARVALHO XIMENES, INPE; EDUARDO EIJI MAEDA, University of Helsinki; LUCIANA SPINELLI DE ARAUJO, CNPM.pt_BR
Aparece nas coleções:Artigo em periódico indexado (CNPM)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
LucianaBoletim.pdf672,18 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace