Atributos topográficos e dados do Landsat7 no mapeamento digital de solos com uso de redes neurais

Pesquisa Agropecuária Brasileira

César Da Silva Chagas²  Elpídio Inácio Fernandes Filho¹  Carlos Antônio Oliveira Vieira¹  Carlos Ernesto Gonçalves Reynaud Schaefer¹  Waldir De Carvalho Júnior² 

[1] ,Embrapa SolosRio Janeiro RJ

关键词: atributos do terreno;    classificação de solos;    modelo digital de elevação;    redes neurais artificiais;    terrain attributes;    classification of soils;    digital elevation model;    artificial neural networks;   

DOI  :  10.1590/S0100-204X2010000500009

来源: SciELO

【 摘 要 】

O objetivo deste trabalho foi avaliar variáveis discriminantes no mapeamento digital de solos com uso de redes neurais artificiais. Os atributos topográficos elevação, declividade, aspecto, plano de curvatura e índice topográfico, derivados de um modelo digital de elevação, e os índices de minerais de argila, óxido de ferro e vegetação por diferença normalizada, derivados de uma imagem do Landsat7, foram combinados e avaliados quanto à capacidade de discriminação dos solos de uma área no noroeste do Estado do Rio de Janeiro. Foram utilizados o simulador de redes neurais Java e o algoritmo de aprendizado "backpropagation". Os mapas gerados por cada um dos seis conjuntos de variáveis testados foram comparados com pontos de referência, para a determinação da exatidão das classificações. Esta comparação mostrou que o mapa produzido com a utilização de todas as variáveis obteve um desempenho superior (73,81% de concordância) ao de mapas produzidos pelos demais conjuntos de variáveis. Possíveis fontes de erro na utilização dessa abordagem estão relacionadas, principalmente, à grande heterogeneidade litológica da área, que dificultou o estabelecimento de um modelo de correlação ambiental mais realista. A abordagem utilizada pode contribuir para tornar o levantamento de solos no Brasil mais rápido e menos subjetivo.

【 授权许可】

CC BY   
 All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License