mapeamento, consi<strong>de</strong>rando as classes <strong>de</strong> <strong>de</strong>clivi<strong>da</strong><strong>de</strong> que caracterizam o relevo e omapa <strong>de</strong> <strong>solo</strong>s na escala 1:500.000, mostrando ser uma ferramenta eficiente tanto emtermos <strong>de</strong> economia <strong>de</strong> tempo quanto <strong>de</strong> recursos. Contudo, <strong>de</strong>ve-se salientar aimportância <strong>da</strong> checagem <strong>de</strong> campo, <strong>de</strong> modo a observar variações não evi<strong>de</strong>ntes nomaterial cartográfico, como por exemplo, mu<strong>da</strong>nças no material <strong>de</strong> origem ou aspectosrelativos à erosão atual, e o estabelecimento <strong>da</strong>s relações <strong>de</strong> ocorrência dos <strong>solo</strong>s napaisagem.CARVALHO et al. (2007), em estudos na Chapa<strong>da</strong> Diamantina, município <strong>de</strong>Mucugê/BA, utilizou lógica nebulosa fuzzy na predição <strong>de</strong> mapas pedológicos a partir<strong>de</strong> variáveis morfométricas <strong>de</strong> <strong>de</strong>clivi<strong>da</strong><strong>de</strong>, altitu<strong>de</strong>, geologia e vegetação.A lógica fuzzy é a lógica basea<strong>da</strong> na teoria dos conjuntos fuzzy. Ela difere dossistemas lógicos tradicionais em suas características e seus <strong>de</strong>talhes. Nesta lógica, oraciocínio exato correspon<strong>de</strong> a um caso limite do raciocínio aproximado, sendointerpretado como um processo <strong>de</strong> composição <strong>de</strong> relações nebulosas. Na lógica fuzzy, ovalor ver<strong>da</strong><strong>de</strong> <strong>de</strong> uma proposição po<strong>de</strong> ser um subconjunto fuzzy <strong>de</strong> qualquer conjuntoparcialmente or<strong>de</strong>nado, ao contrário dos sistemas lógicos binários, on<strong>de</strong> o valor ver<strong>da</strong><strong>de</strong>só po<strong>de</strong> assumir dois valores: ver<strong>da</strong><strong>de</strong>iro (1) ou falso (0). Nos sistemas lógicos multivalores,o valor ver<strong>da</strong><strong>de</strong> <strong>de</strong> uma proposição po<strong>de</strong> ser ou um elemento <strong>de</strong> um conjuntofinito, num intervalo, ou uma álgebra booleana. Na lógica nebulosa, os valores ver<strong>da</strong><strong>de</strong>são expressos linguisticamente, (e.g. : ver<strong>da</strong><strong>de</strong>, muito ver<strong>da</strong><strong>de</strong>, não ver<strong>da</strong><strong>de</strong>, falso,muito falso, ...), on<strong>de</strong> ca<strong>da</strong> termo linguístico é interpretado como um subconjunto fuzzydo intervalo unitário (ZADEH, 1988).Assim, a mo<strong>de</strong>lagem por lógica nebulosa fuzzy permite simular, através do uso<strong>de</strong> “probabili<strong>da</strong><strong>de</strong>s”, as incertezas e transições tão comuns aos sistemas pedológicos.Isto é feito correlacionando-se o grau <strong>de</strong> certeza à experiência e ao conhecimentoacumulado. Assim, a atribuição dos pesos às probabili<strong>da</strong><strong>de</strong>s <strong>de</strong> ocorrência <strong>da</strong>s classes<strong>de</strong> <strong>solo</strong> em uma área é totalmente controla<strong>da</strong> pelo julgamento subjetivo <strong>de</strong> especialistaexperiente e que <strong>de</strong>tenha um profundo conhecimento sobre a área <strong>de</strong> estudo (ZADEH,1973). Po<strong>de</strong>-se constatar, segundo CARVALHO et al. (2007), que a metodologiapermite:1- fazer predição <strong>de</strong> uni<strong>da</strong><strong>de</strong>s <strong>de</strong> <strong>solo</strong> a partir <strong>de</strong> <strong><strong>da</strong>dos</strong> auxiliares (relacionados aosfatores <strong>de</strong> formação do <strong>solo</strong>) pré-existentes e do conhecimento <strong>de</strong> especialistas <strong>de</strong> <strong>solo</strong>s;27
2- a metodologia é extremamente <strong>de</strong>pen<strong>de</strong>nte do conhecimento <strong>de</strong> especialistas em<strong>solo</strong>s <strong>da</strong> área a ser mapea<strong>da</strong> e como cita<strong>da</strong> na literatura pela quali<strong>da</strong><strong>de</strong> do banco <strong>de</strong><strong><strong>da</strong>dos</strong>.3- a mo<strong>de</strong>lagem sob inferência fuzzy <strong>de</strong>monstra ser potencialmente capaz <strong>de</strong>operacionalizar os trabalhos em levantamentos <strong>de</strong> <strong>solo</strong>4- Os <strong><strong>da</strong>dos</strong> raster representados por muitos quadrados pequenos - pixels, permitemagregar informações inerentes a condições particulares <strong>da</strong> cobertura pedológica <strong>de</strong> umaregião, possibilitando na mo<strong>de</strong>lagem SIG a representação <strong>de</strong> pequenas variações comboa resolução espacial.Para se <strong>de</strong>finir a real aplicabili<strong>da</strong><strong>de</strong> <strong>da</strong> metodologia, porém, é preciso confeccionar omapa digital <strong>de</strong> <strong>solo</strong>s e confrontar os resultados obtidos com os encontrados no mapa <strong>de</strong><strong>solo</strong> convencional <strong>da</strong> área, verificando no campo a existência ou não <strong>da</strong>s variações e <strong>da</strong>sinformações conti<strong>da</strong>s no mapa convencional e no mapa a ser gerado por estametodologia.Por fim, a re<strong>de</strong> neural é uma técnica <strong>de</strong> aprendizado <strong>de</strong> máquina, na qualsistemas computacionais são estruturados numa aproximação à computação basea<strong>da</strong> emligações (KEY et al., 1989). Nós simples são interligados <strong>para</strong> formar uma re<strong>de</strong> <strong>de</strong> nós,sendo um método <strong>para</strong> solucionar problemas através <strong>da</strong> simulação do cérebro humano,ou seja, apren<strong>de</strong>ndo, errando e fazendo <strong>de</strong>scobertas. São técnicas computacionais queapresentam um mo<strong>de</strong>lo inspirado na estrutura neural <strong>de</strong> organismos inteligentes e queadquirem conhecimento através <strong>da</strong> experiência. Um re<strong>de</strong> neural po<strong>de</strong> possuir uma oumúltiplas cama<strong>da</strong>s. Exemplificando com três cama<strong>da</strong>s, po<strong>de</strong>ríamos ter a cama<strong>da</strong> <strong>de</strong>entra<strong>da</strong>, on<strong>de</strong> as uni<strong>da</strong><strong>de</strong>s recebem os padrões; a cama<strong>da</strong> intermediária, on<strong>de</strong> é feitoprocessamento e a extração <strong>de</strong> características; e a cama<strong>da</strong> <strong>de</strong> saí<strong>da</strong>, que conclui eapresenta o resultado final. Quanto maior o número <strong>de</strong> cama<strong>da</strong>s, melhor a capaci<strong>da</strong><strong>de</strong> <strong>de</strong>aprendizado (HAYKIN, 2001). Entretanto, enquanto os sistemas especialistas sãobaseados na representação simbólica do conhecimento e, conseqüentemente,incorporam <strong><strong>da</strong>dos</strong> qualitativos na estimativa, através <strong>da</strong> programação a priori doalgoritmo <strong>de</strong> aprendizagem, as re<strong>de</strong>s neurais empregam uma abor<strong>da</strong>gem conexionista(HEPNER et al., 1990).Em região montanhosa <strong>de</strong> Mares <strong>de</strong> Morros na Bacia do rio São Domingos,região Noroeste do Rio <strong>de</strong> Janeiro CHAGAS (2006), utilizou o MDE <strong>para</strong> predizeruni<strong>da</strong><strong>de</strong>s <strong>de</strong> mapeamento <strong>de</strong> <strong>solo</strong>s através <strong>de</strong> re<strong>de</strong>s neurais. Dentre os atributos doterreno, elevação, <strong>de</strong>clivi<strong>da</strong><strong>de</strong>, aspecto e plano <strong>de</strong> curvatura são os que mais se28
- Page 1 and 2: INSTITUTO AGRONÔMICOCURSO DE PÓS-
- Page 4 and 5: Primeiramente a Deus, pela vida,Ao
- Page 6 and 7: - A toda turma do geoprocessamento
- Page 8 and 9: ÍNDICE DE TABELASTabela 1 - Distri
- Page 10 and 11: ÍNDICE DE FIGURASFigura 1 - Repres
- Page 12 and 13: CRIVELENTI, Rafael Castro. Mineraç
- Page 14 and 15: CRIVELENTI, Rafael Castro. Data min
- Page 16 and 17: 1 INTRODUÇÃOA distribuição espa
- Page 18 and 19: 2 REVISÃO DE LITERATURA2.1 Histór
- Page 20 and 21: 2.2 Levantamento pedológico por m
- Page 22 and 23: corretivas ou compensatórias de ca
- Page 24 and 25: Nesta perspectiva, é oportuno dese
- Page 28 and 29: irregulares (MONTGOMERY, 2003). As
- Page 30 and 31: o objetivo de diminuir o erro por e
- Page 32 and 33: Recentemente, SIRTOLI et al. (2008)
- Page 34 and 35: intermediário, é a unidade de tom
- Page 36 and 37: −∑H x / y)= p .ln( p / p )[3](i
- Page 38 and 39: Estes sistemas manipulam dados geor
- Page 40 and 41: 2.9 Comparação entre resultados d
- Page 44 and 45: correlacionaram com a distribuiçã
- Page 46 and 47: 3 MATERIAL E MÉTODOS3.1 Descriçã
- Page 48 and 49: (a)120Extrato do Balanço Hídrico
- Page 50 and 51: (a)(b)Figura 5 - Mapas de geologia
- Page 52 and 53: Conforme PONÇANO (1981), o ambient
- Page 54 and 55: h) Cambissolo: Solos constituídos
- Page 56 and 57: 1:1.000.000 (IPT, 1981), e evidenci
- Page 58 and 59: ) Curvatura em perfil (VALERIANO, 2
- Page 60 and 61: dados estratificados retirados ante
- Page 62 and 63: 4 RESULTADOS E DISCUSSÃO4.1 MDE, G
- Page 64 and 65: (a)(b)(c)Figura 7 - Mapas de variá
- Page 66 and 67: (a)(b)(c)Figura 8 - Mapas de variá
- Page 68 and 69: 4.2 Análise dos dados e elaboraç
- Page 70 and 71: BalanceamentosFigura 10 - Distribui
- Page 72 and 73: ocorrência deixe de ser amostrada
- Page 74 and 75: unidades de mapeamento de solos fos
- Page 76 and 77: devido a sua grande representativid
- Page 78 and 79: Tabela 12 - Atualização da legend
- Page 80 and 81: A análise do mapa permite verifica
- Page 82 and 83: Tabela 15 - Ordenamento das variáv
- Page 84 and 85: A partir da sobreposição dos mapa
- Page 86 and 87: Tabela 16 - Matiz de confusão das
- Page 88 and 89: Tabela 17 - Porcentagem de acerto e
- Page 90 and 91: Como pode ser observado na figura 1
- Page 92 and 93:
unidades de mapeamento. Por exemplo
- Page 94 and 95:
O latossolo vermelho amarelo textur
- Page 96 and 97:
mapeamento de solos fosse classific
- Page 98 and 99:
predominância de latossolos (64 %)
- Page 100 and 101:
um banco de dados digitais para ess
- Page 102 and 103:
6 SUGESTÕESComo trabalhos futuros
- Page 104 and 105:
mapa de solos na região de Três P
- Page 106 and 107:
COSTA CABRAL, M. & BURGES, S.J. Dig
- Page 108 and 109:
IBGE - INSTITUTO BRASILEIRO DE GEOG
- Page 110 and 111:
McBRATNEY, A.B.; MENDONÇA SANTOS,
- Page 112 and 113:
PISSARA, T.C.T.; POLITANO, W.; FERR
- Page 114 and 115:
TURCOTTE, R.; FORTIN, J.P.; ROUSSEA
- Page 116 and 117:
8 ANEXO(S)Anexo I………………
- Page 118 and 119:
65,9 0,9 3,6 6,8 LVdf text. argilos
- Page 120 and 121:
Balanceamento de classes = 1a b c d
- Page 122:
Anexo VI - Matriz de confusão para