Landscapes supervised classification of mountainous Areas using Artificial Neural Network

O presente estudo foi desenvolvido com o objetivo de compreender a organização dos solos de paisagens dos mares de morros, reconhecer seus padrões e subsidiar seu mapeamento. A área de estudo situa-se na Região Noroeste fluminense, englobada pela folha topográfica Varre Sai do IBGE, que abrange parte dos municípios de Natividade, Porciúncula e Varre Sai. Para isso foram avaliadas as feições geomorfométricas que definem um padrão geomórfico das paisagens, sendo composta por altimetria, altimetria relativa, aspecto, curvatura, curvatura plana, perfil de curvatura, declividade, sentido do escoamento, escoamento acumulado e distância euclidiana da drenagem, sendo todas estas feições obtidas por técnicas de geoprocessamento. Todos os atributos foram obtidos a partir do modelo digital de elevação e, em razão disso, os dados primários de elevação foram os mais precisos possíveis. Através destes atributos geomorfométricos elaborou-se um padrão geomorfométrico das paisagens definidas e foram conduzidas classificações supervisionadas, utilizando-se redes neurais artificiais e o algoritmo de máxima verossimilhança, para fins de comparação. Os resultados mostraram ser possível a utilização de redes neurais artificiais para a classificação de paisagens de áreas montanhosas sob dissecação homogênea, com uma exatidão global de 70%, um pouco acima daquela obtida pelo algoritmo de máxima verossimilhança, que obteve uma exatidão global de aproximadamente 66%. Este estudo mostrou que a utilização de técnicas de geoprocessamento para gerar os atributos geomorfométricos, aliados a classificadores supervisionados, pode subsidiar o delineamento dos levantamentos de solos, tornando-os mais rápidos, menos dependentes da experiência do mapeador e menos onerosos, diminuindo a subjetividade dos mesmos. Constitui-se de uma abordagem nova no Brasil, que deve ser estendida para outras áreas com informações mais precisas de altimetria, para testar a sua eficácia.The present study was developed with the objective of understanding the soils organization on landscapes of mountainous areas, to recognize its patterns and to subsidize its surveys. The study area is in the Northwest Region of the State of Rio de Janeiro, included by the IBGE ́s topographical leaf “Varre Sai”, that englobe part of the municipal districts of Natividade, Porciúncula and Varre Sai. For that they were appraised the geomorphometrics features that define a geomorphic signature of the landscapes, being composed by elevation, relative elevation, aspect, curvature, curvature planes, curvature profile, slope, flow direction, flow accumulation and drainage ́s euclidian distance, being all these features obtained by geoprocessing techniques. All the attributes were obtained from the digital elevation model and, in reason of that, the primary data of elevation were the most precise possible. Through these geomorphometric attributes a geomorphic signature of the defined landscapes was elaborated and supervised classifications were made, being used artificial neural network and the algorithm of maximum verisimilitude, for comparison ends. The results showed to be possible the use of artificial neural network for the classification of landscapes of mountainous areas, with a global accuracy of 70%, a little above that obtained by the algorithm of maximum verisimilitude, that obtained a global accuracy of approximately 66%. This study showed that the use of geoprocessamento techniques to generate the geomorphometrics attributes, aided with supervised classifiers, can subsidize the soils surveys, turning them faster, less dependents of the experience of the expert and less onerous, decreasing the subjectivity. It is constituted of an unpublished approach in Brazil, that should be extended for others areas with more precise elevation information, in order to test the effectiveness