REFINAMENTO SEMIAUTOMÁTICO DO MAPA GEOMORFOLÓGICO DO RADAMBRASIL POR RECUPERAÇÃO E MODELAGEM DO CONHECIMENTO
Revista Tamoios
REFINAMENTO SEMIAUTOMÁTICO DO MAPA GEOMORFOLÓGICO DO RADAMBRASIL POR RECUPERAÇÃO E MODELAGEM DO CONHECIMENTO
Autor Correspondente: P.J.F. Fernandes | [email protected]
Palavras-chave: Mapeamento Geomorfológico; Sensoriamento Remoto; Análise de Imagem Orientada a Objeto Geográfico.
Resumos Cadastrados
Resumo Português:
O objetivo deste trabalho é o refinamento semiautomático de um mapa geomorfológico regional de pequena escala do projeto RADAMBRASIL utilizando GEOBIA, técnicas de mineração de dados e MDEs oriundos do SRTM. Os dados SRTM provenientes do projeto TOPODATA foram preparados e tratados em ambiente SIG, o que permitiu a análise visual e quantitativa das classes RADAMBRASIL. Após as análises, o conhecimento foi estruturado para proceder com os recursos de análise de imagem baseada em objetos geográficos e de mineração de dados, que viabilizaram o mapeamento geomorfológico para cada nível taxonômico, a partir do uso do algoritmo de segmentação multirresolução. As classificações foram avaliadas com valores Kappa a partir de um mapa geomorfológico do CPRM e do próprio mapa RADAMBRASIL, e podem ser consideradas satisfatórias. Os mapas obtidos para cada nível taxonômico exibiram contornos detalhados, o que indica que a GEOBIA, as técnicas de mineração de dados e a utilização de MDEs podem contribuir na tarefa refinar contornos de mapas antigos e para o mapeamento geomorfológico regional em escalas superiores a 1:1.000.000, além de tornar possível o estabelecimento de um modelo de conhecimento geomorfológico.
Resumo Inglês:
The aim of this study is to execute semiautomatic refinement of a small-scale regional geomorphological map of the RADAMBRASIL project using GEOBIA, data mining techniques and DEMs from the SRTM. The SRTM data from the TOPODATA project were prepared and treated in a GIS environment, allowing visual and quantitative analysis of the RADAMBRASIL classes. After analysis, the knowledge was structured to proceed with geographic object based image analysis and data mining, which made the geomorphological mapping for each taxonomic level possible, by using multiresolution segmentation algorithm. The maps were evaluated with Kappa index according to geomorphological maps from CPRM and RADAMBRASIL. Classifications made can be considered satisfactory. The maps obtained for each taxonomic level exchibited detailed outlines of the polygons from the geomorphological classes, which indicated that GEOBIA, data mining techniques and DEMs can be used to refine contours of old maps at regional scales greater than 1:1,000.000. Thus, it is possible the establishment of a geomorphological knowledge model from SRTM data.
