RAINFALL EROSIVITY FOR THE STATE OF RIO DE JANEIRO ESTIMATED BY ARTIFICIAL NEURAL NETWORK

Ano: 2012 | Volume: 32 | Número: 1

Autores: DANIEL F. DE CARVALHO, JOSEPH K. KHOURY JÚNIOR, CARLOS A. A. VARELLA, JACQUELINE Z. GIORI, RORIZ L. MACHADO

Palavras-chave: sistema de informação geográfica, métodos de interpolação, conservação de solo.

Resumo Português:

As Redes Neurais Artificiais (RNAs) são métodos de modelagem matemática capazes de estimar planos de respostas não lineares, tendo a vantagem sobre métodos estatísticos que apresentam respostas lineares ou quadráticas. Este trabalho teve como objetivo desenvolver e testar RNAs para estimaro índice de erosividade das chuvas (EI30) no Estado do Rio de Janeiro, em função da localização geográfica, e gerar um mapa temático para visualização. As características de latitude, longitude e altitude podem ser utilizadas para estimar o índice EI30, permitindogerar um mapa da variabilidade espacial desseíndice.

Resumo Inglês:

The Artificial Neural Networks (ANNs) are mathematical models method capable of estimating non-linear response plans. The advantage of these models is to present different responses of the statistical models. Thus, the objective of this study was to develop and to test ANNs for estimating rainfall erosivity index (EI30) as a function of the geographical location for the state of Rio de Janeiro, Brazil and generating a thematic visualization map. The characteristics of latitude, longitude e altitude using ANNs were acceptable to estimating EI30 and allowing visualization of the space variability of EI30. Thus, ANN is a potential option for the estimate of climatic variables in substitution to the traditional methods of interpolation.