@MASTERSTHESIS{ 2012:995549130,
 	title = {Mapeamento digital de solos por redes neurais artificiais da bacia hidrogr?fica do rio Guapi-Macacu, RJ},
 	year = {2012},
 	url = "https://tede.ufrrj.br/jspui/handle/jspui/3644",
 	abstract = "O mapeamento de solos compreende a descri??o das caracter?sticas morfol?gicas, f?sicas e
 qu?micas dos solos em uma determinada ?rea, abrangendo descri??o t?cnica e informa??es de
 cunho interdisciplinar, podendo ser utilizado para diversas finalidades. O mapeamento digital
 de solos possibilita aperfei?oar os produtos dos levantamentos pedol?gicos atrav?s do uso de
 ferramentas de sistemas de informa??es geogr?ficas (SIG), conhecimentos em g?nese,
 morfologia e classifica??o de solos, no que diz respeito ? escolha de atributos consistentes que
 representem com maior aproxima??o a realidade, e buscando produzir levantamento de solos
 com precis?o e efici?ncia (custo x tempo). O objetivo geral desse estudo foi caracterizar os
 componentes da paisagem como subs?dio a predi??o das classes de solos, usando redes
 neurais artificiais (RNA`s), para produzir o mapa digital de solos da bacia hidrogr?fica do Rio
 Guapi-Macacu, no Estado do Rio de Janeiro. O mapeamento envolveu 100 pontos amostrais
 onde foram realizadas an?lises qu?micas, f?sicas e feita descri??o morfol?gica, segundo
 m?todos padr?es de levantamento de solos no Brasil. O mapeamento digital de solos envolveu
 a aquisi??o de base cartogr?fica, cria??o de modelos digitais que representam atributos da
 paisagem relevantes para pedog?nese e classifica??o de solos, an?lise das rela??es solopaisagem
 e por fim, classifica??o supervisionada por RNA?s e posterior valida??o do
 mapeamento realizado. Diante da abordagem empregada e das ferramentas de processamento
 de dados dispon?veis foi feita a an?lise de modelos digitais de eleva??o (MDE?s), quanto ?
 resolu??o espacial e forma de obten??o, para selecionar o MDE adequado para derivar os
 atributos morfom?tricos. As an?lises evidenciaram a qualidade superior do MDE com
 resolu??o espacial adequada o tamanho de c?lula de 30m, obtido por interpola??o dos dados
 de eleva??o, curvas de n?vel e pontos cotados, dados do sensor SRTM. Ap?s a defini??o do
 MDE e deriva??o dos atributos, foi feito estudo para reconhecimento dos padr?es
 geom?rficos e caracteriza??o dos pedodom?nios, que envolveu coleta de amostras e descri??o
 de perfis em locais pr?-definidos atrav?s do programa Hypercube Latin Conditioned Sampling
 (cLHS). Os solos predominantes foram: Latossolos, Argissolos, Cambissolos, Gleissolos e
 Neossolos. O uso de ferramentas de geoprocessamento permitiu a sele??o das vari?veis para
 compor os conjuntos de discriminantes utilizados na etapa da classifica??o por RNA?s. As
 vari?veis selecionadas foram: altimetria, declividade, curvatura, ?ndice topogr?fico
 combinado, distancia euclidiana, minerais de argila, ?xidos de ferro, NDVI e geologia. Foram
 treinados onze conjuntos de RNA?s, com combina??es distintas quanto ?s vari?veis
 discriminantes (camada de entrada). Os crit?rios utilizados na avalia??o do desempenho das
 RNA?s foram os ?ndices de exatid?o global e Kappa, considerando a generaliza??o das classes
 de sa?da. Foi realizada a valida??o utilizando 120 pontos de controle correspondentes ? perfis
 de solo n?o utilizados para o treinamento da RNA. Ap?s an?lise do erro m?dio quadr?tico dos
 diferentes conjuntos, optou-se pela arquitetura com 10 neur?nios na camada oculta. Os
 crit?rios de avalia??o da classifica??o permitiram destacar melhor desempenho das redes dos
 conjuntos 1, 7 e 10, correspondentes a todas as vari?veis, excluindo a geologia e excluindo o
 ?ndice NDVI, os quais n?o diferiram entre si. A generaliza??o e valida??o indicaram o
 conjunto 10 como o que permitiu o melhor produto final da classifica??o.",
 	publisher = {Universidade Federal Rural do Rio de Janeiro},
 	scholl = {Programa de P?s-Gradua??o em Agronomia - Ci?ncia do Solo},
 	note = {Instituto de Agronomia}
}