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

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorVicens, Raúl Sánchez-
Autor(es): dc.contributorFrancisco, Cristiane Nunes-
Autor(es): dc.contributorFreitas, Marcelo Motta de-
Autor(es): dc.contributorSilva, Luiz Guilherme Almeida do Eirado-
Autor(es): dc.contributorAlmeida, Julio Cesar Horta de-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7586926592488207-
Autor(es): dc.creatorGirâo, Raphael e Silva-
Data de aceite: dc.date.accessioned2024-07-11T18:06:24Z-
Data de disponibilização: dc.date.available2024-07-11T18:06:24Z-
Data de envio: dc.date.issued2021-08-18-
Data de envio: dc.date.issued2021-08-18-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/22952-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/763644-
Descrição: dc.descriptionO 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-
Descrição: dc.descriptionThe main objective of this thesis is to elaborate a geomorphological map of Rio de Janeiro state in 1: 250.000 scale, based on the development of a methodology that involves an approach that minimizes the subjectivity inherent to the geomorphological mapping activity; combining different quantitative and qualitative data and semi-automated mapping procedures. For this, an image interpretation system based on knowledge and knowledge discovery techniques in databases (KDD) were used. The first stage of the present thesis consisted in the definition of the digital elevation model (DEM) with the best vertical accuracy for the study area through the automation of such evaluation by algorithms developed in R programming language. In the second stage, the best evaluated DEM went through a process of improvement of its vertical accuracy based on the use of compensation surfaces error created by deterministic and geostatistical interpolations.The third step consisted in the GIS layers generation for the geomorphological mapping. For that purpose, the DEM corrected by the compensation surface error with the best performance and the geological map of the state of Rio de Janeiro (HEILBRON et al, 2016) was used as primary input data. The fourth step consisted in the geomorphological mapping, where the relief features were mapped by using a image interpretation system based on knowledge and KDD techniques. It was concluded that: (i) the ASTER GDEM obtained the best results of vertical accuracy, taking into account, mainly, the different configurations of the terrain, even though the SRTM DEM has presented better results in the general evaluation; (ii) the use of compensation surfaces error was efficient in increasing the vertical accuracy of the original ASTER GDEM, so that ordinary kriging showed the best performance; (iii) the combination of GEOBIA and KDD obtained good results in the semi-automated geomorphological mapping of Rio de Janeiro state, allowing the use of a great diversity of quantitative and qualitative data, and, even so, minimizing the subjectivities involved in the mapping; (iv) the expert's knowledge about what is being mapped remains essential, since the steps that most impacted the results obtained in the mapping of this thesis are directly influenced by such knowledge: segmentation and sample set selection; (v) the gemorphometric index - geomorphons, IPT and ICR - combined with geomorphometric and qualitative variables (lithology), were efficient in relief classes differentatiation-
Descrição: dc.description207 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectMapeamento geomorfológico-
Palavras-chave: dc.subjectModelagem do conhecimento-
Palavras-chave: dc.subjectModelos digitais de elevação-
Palavras-chave: dc.subjectGeomorfologia-
Palavras-chave: dc.subjectRemote sensing-
Palavras-chave: dc.subjectGeomorphological mapping-
Palavras-chave: dc.subjectKnowledge modeling-
Palavras-chave: dc.subjectDigital elevation models-
Título: dc.titleMapeamento geomorfológico do estado do Rio de Janeiro por modelagem do conhecimento-
Tipo de arquivo: dc.typeTese-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.