Lineamentos topográficos em modelos digitais de elevação: Uma comparação entre extração manual e computacional usando redes neurais convolucionais com arquitetura U-Net

• Ano de defesa: 2024
• Autor(a) principal: Cezar, Pedro Rossi
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Geologia; Brasil; UERJ; Programa de Pós-Graduação em Geociências
• Palavras-chave em Português: Lineamentos topográficos; Modelo digital de elevação; Redes neurais convolucionais; Aprendizado de máquina; Interpretação manual; Topographic lineaments; Digital elevation model; Convolutional neural networks; Machine learning; Manual interpretation; CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOLOGIA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/23248

Lineamentos topográficos presentes em modelos digitais de elevação oferecem boas indicações sobre estruturas e litotipos. Para extrair informação útil desses dados a interpretação é uma etapa crucial, tradicionalmente feita manualmente por um geocientista, em um processo repetitivo e demorado, sujeito a vieses e passível de causar lesões por esforço repetitivo. Recentes avanços na aplicação de aprendizado de máquina com redes neurais convolucionais profundas (RNCPs) têm mostrado potencial de reduzir drasticamente o tempo necessário para a obtenção de lineamentos e reduzir a subjetividade da interpretação de modelos digitais de elevação (MDE). Neste trabalho analisamos a região central da Faixa de dobramentos Ribeira, SE do Brasil e comparamos os resultados de interpretações manuais e extrações de lineamentos feitas por uma RNCP com arquitetura U-Net treinada com dados de uma região próxima. Além disso, examinamos os vieses e limitações do método manual, como variação de critérios de mapeamento, mudanças na motivação, experiência prévia, assim como as limitações relacionadas ao método computacional, como a quantidade de dados disponíveis para o treinamento, nível de ruído dos resultados e sobreajuste. Os resultados mostram que as RNCPs têm a capacidade de produzir lineamentos de forma satisfatória, em uma fração do tempo necessário para interpretação manual, no entanto, a busca de arquiteturas e hiperparâmetros adequados também pode consumir muito tempo. As RNCPs são uma poderosa ferramenta, mas não dispensam a interação com o geocientista que deve construir, treinar e criticar os resultados obtidos.