Uso de redes neurais artificiais no mapeamento de solos na Bacia do Rio Turvo Sujo - Viçosa MG

• Ano de defesa: 2009
• Autor(a) principal: Melo, Leonardo Vaz de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Fertilidade do solo e nutrição de plantas; Gênese, Morfologia e Classificação, Mineralogia, Química,; Mestrado em Solos e Nutrição de Plantas; UFV
• Palavras-chave em Português: Geoprocessamento; Bacias hidrográficas; Classificação de solos; GIS; Watersheds; Soil classification; CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO
• Link de acesso: http://locus.ufv.br/handle/123456789/5473

As ocupações humanas apresentam um histórico de ausência de planejamento e falta de organização que tem, muitas das vezes, comprometido a qualidade de vida da população e a qualidade ambiental. Observa-se que a perda do solo é um dos grandes problemas ambientais associado ao uso e ocupação de novas áreas, que além de afetar a flora e fauna nativas, pode comprometer seriamente a vazão dos cursos d água e, portanto, a qualidade de vida das pessoas. Nesse contexto, em qualquer processo de planejamento, a disponibilidade e o domínio da informação acerca do recurso solo, em especial, de suas limitações e potencialidades são dados importantes. Diante do exposto, o presente trabalho teve como objetivos: i) avaliar a eficiência de duas diferentes metodologias de mapeamento dos solos: automatizada, via Redes Neurais Artificiais (RNA s) e a tradicional, efetuada com auxílio de pedólogos; ii) estimar o estoque de carbono dos solos da Bacia do Rio Turvo Sujo, localizada na Zona da Mata mineira. A metodologia utilizada consistiu da execução da modelagem da distribuição de solos na área da bacia, utilizando-se dados existentes e novos, Sistema de Informações Geográficas (SIG s), RNA s e checagens de campo. Os dados existentes foram obtidos em teses e documentos que continham informações de perfis de solos presentes na área. Os novos dados foram coletados em campo, em perfis modais, para pontos específicos da bacia, em função da ausência de dados anteriores. Nas coletas de campo, o perfil foi descrito e amostras foram coletadas de cada horizonte. Foram levantados também alguns pontos de observação de algumas classes de solo. No trabalho com SIG foi gerado um modelo digital de elevação (MDE) e, a partir dele, os mapas de declividade, radiação, face de exposição solar, distância horizontal, distância vertical e curvatura. Combinando-se a curvatura, a declividade e a distância vertical à drenagem produziu-se um mapa de unidades da paisagem na região: topo, terraço, encostas côncavas e encostas convexas. Além destes dados de entrada, foram usadas três bandas de uma imagem ASTER (do ano de 2001) e o Índice de Vegetação por Diferença Normalizada (NDVI). Dois mapas de solos foram então produzidos: um efetuado juntamente com pedólogos e centrado unicamente nos dados de campo e de laboratório, e o outro, que fez uso das ferramentas de SIG e RNA s. A avaliação da adequabilidade dos mapas de solos produzidos foi efetuada a partir do índice Kappa. No mapa convencional foram estabelecidas cinco classes de solo e, no produzido via RNA, sete classes. Os resultados indicaram maior acerto do mapa produzido via RNA (Kappa = 66,6%), em comparação com aquele gerado pela forma tradicional (Kappa = 42,6%). O estoque de carbono no solo estimado até um metro de profundidade com base nos dados dos perfis da bacia do Rio Turvo Sujo foi em torno de 4.900.000 toneladas, considerando a profundidade de 1 metro. As relações entre a ocorrência dos solos e os atributos do relevo derivados do MDE foram determinantes para o delineamento de unidades de mapeamento de solos na região estudada, o que por certo, garantiu um melhor desempenho do mapa digital produzido. Embora a extrapolação para outras regiões deva ser tomada com ressalvas, os resultados obtidos indicam que as RNA s foram capazes de mapear de forma automatizada e adequada os solos da Bacia do Rio Turvo Sujo, com resultados mais detalhados do que o procedimento tradicional. Na classificação convencional, é difícil a perfeita integração de um grande número de informações de diferentes origens e, sob esse aspecto, as RNA s acabam auxiliando na obtenção de um produto final de melhor qualidade. Obviamente que esse procedimento informático não será capaz de substituir as mãos e a mente humana nos procedimentos de levantamento e classificação de solos, mas deve ser tomado como uma ferramenta para a obtenção de resultados cada vez mais próximos da realidade.