Mapeamento geomorfológico do estado do Rio de Janeiro por modelagem do conhecimento

• Ano de defesa: 2020
• Autor(a) principal: Girâo, Raphael e Silva
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Niterói
• Palavras-chave em Português: Sensoriamento remoto; Mapeamento geomorfológico; Modelagem do conhecimento; Modelos digitais de elevação; Geomorfologia; Remote sensing; Geomorphological mapping; Knowledge modeling; Digital elevation models
• Link de acesso: https://app.uff.br/riuff/handle/1/22952

O objetivo principal da presente tese é a elaboração de um mapa geomorfológico do estado do Rio de Janeiro na escala 1:250.000, a partir do desenvolvimento de uma metodologia que envolva uma abordagem que minimize a subjetividade inerente à atividade de mapeamento geomorfológico; combinando diferentes dados quantitativos e qualitativos; e utilizado procedimento semiautomatizados de mapeamento. Para tal, foram utilizados um sistema de interpretação de imagens baseada em conhecimento e técnicas de descoberta de conhecimento em banco de dados - Knowledge Discovery in Databases (KDD). A primeira etapa da presente tese consistiu na definição do modelo digital de elevação (MDE) com maior acurácia vertical para a área de estudo através da automatização de tal avaliação por meio de algoritmos desenvolvidos em linguagem de programação R. Na segunda etapa, o MDE melhor avaliado na primeira etapa passou por um processo de melhora de sua acurácia vertical com base na utilização de superfícies de compensação de erro criadas por interpolações determinísticas e geoestatísticas. A terceira etapa consistiu na geração dos planos de informação utilizados para o mapeamento geomorfológico proposto, para tal, foi utilizado como dados de entrada primários o MDE corrigido pela superfície de compensação de erro com melhor desempenho e o mapa geológico do estado do Rio de Janeiro (HEILBRON et al, 2016). A quarta etapa consistiu, por fim, no mapeamento geomorfológico em si, onde as feições do relevo da área de estudo foram mapeadas a partir de um sistema de interpretação de imagens baseada em conhecimento e técnicas de descoberta de conhecimento em banco de dados. Concluiu-se que: (i) o MDE ASTER GDEM foi o que obteve melhores resultados de acurácia vertical, levando em consideração, principalmente, as diferentes configurações do terreno, ainda que o MDE SRTM tenha apresentado melhores resultados na avaliação geral; (ii) a utilização das superfícies de compensação de erro foi eficiente no aumento da acurácia vertical do MDE ASTER GDEM original, de forma que a krigagem ordinária foi o interpolador que apresentou melhor desempenho; (iii) a combinação da GEOBIA com a KDD obteve bons resultados no mapeamento geomorfológico semiautomatizado do estado do Rio de Janeiro, permitindo a utilização de uma grande diversidade dados quantitativos e qualitativos, e, ainda assim, minimizando as subjetividades envolvidas no mapeamento; (iv) o conhecimento do especialista sobre o que está sendo mapeado continua sendo imprescindível, uma vez que as etapas que mais impactaram nos resultados obtidos no mapeamento da presente tese são diretamente influenciadas por tais conhecimentos: a segmentação e a seleção do conjunto amostral; (v) os índices gemorfométricos - geomorphons, IPT e ICR - combinados com variáveis geomorfométricas e qualitativas (litologia), foram eficientes na diferenciação das classes de relevo