This research proposes the development of a method of localization and prediction of AASHTO soil classification that can contribute to the decision-making process in projects for low-traffic-volume roads in the metropolitan area of Fortaleza, Ceará, Brazil. Geoprocessing and artificial neural networks were used as modeling techniques, and biophysical and spatial variables were used to explain the modeled phenomenon. The characteristics investigated (pedology, geology, geomorphology, vegetation, altimetry, and position) were correlated with the AASHTO classification. The soil AASHTO classification data were taken from projects and preexisting studies and totaled 876 points. In the development of this geotechnical estimates generation model, artificial neural network topologies were calibrated, validated, and tested so as to find a model that could best fit the set of tests. The model had an accuracy rate of 92.6% for the generation of estimates of AASHTO soil classification in the Fortaleza region, on the basis of the biophysical variables studied. The tested model was used to construct neural geotechnical maps that can be used to predict the AASHTO classification of soils not yet characterized in the lab and to predict the type of subgrade of a region not yet explored. Results show that the artificial neural networks technique is promising for geotechnical studies of low-traffic-volume roads.

Este artigo apresenta uma metodologia de baixo custo para previsão e mapeamento dos valores de CBR (California Bearing Ratio) dos solos nas energias de compactação normal (CBR-N) e intermediária (CBR-I), que possa contribuir para o processo da tomada de decisão, quanto ao seu uso para fins de pavimentação. Utilizou-se Geoprocessamento e Redes Neurais Artificiais (RNA) como técnicas de modelagem, bem como variáveis biofísicas e espaciais para explicar o fenômeno modelado. As características pesquisadas (pedologia, geologia, geomorfologia, vegetação, altimetria e posição) se correlacionaram com os valores de CBR dos solos nas duas energias de compactação. Os dados de CBR foram extraídos de projetos e estudos pré-existentes na área escolhida, neste caso, a Região Metropolitana de Fortaleza (RMF). Dessa forma, calibraram-se, validaram-se e testaram-se diversos modelos em RNA até encontrar os dois modelos de melhor ajuste para a geração de estimativas de CBR-N e CBR-I. As características geotécnicas estimadas por esses modelos possibilitaram a elaboração de dois Mapas Geotécnicos Neurais estratificados para previsão dos valores de CBR-N e CBR-I. Os resultados mostram claramente que a técnica de Redes Neurais Artificiais é promissora, tanto para estimar as propriedades mecânicas dos solos quanto para prever sua ocorrência e localização na área estudada.

No abstract

Os impactos causados por desastres naturais podem ser minimizados ao identificar populações em situação de vulnerabilidade. Para contribuir com o planejamento territorial e reduzir tais impactos, este trabalho analisa metodologias para identificação espacial da vulnerabilidade socioambiental. Foi estudada a bacia do rio Mané Dendê, em Salvador, caracterizada pelo alto adensamento populacional e concentração da população de baixa renda, com ocorrências de ocupações irregulares. Para a geração dos produtos foram utilizadas técnicas de geoprocessamento, identificando espacialmente as áreas de risco e as populações em situação de vulnerabilidade e representá-las graficamente, obtendo mapas temáticos como resultado. O mapa de vulnerabilidade ambiental foi gerado ao identificar áreas de risco de deslizamento de terra e inundação. Foi determinado um Índice de Vulnerabilidade Social baseado no censo demográfico do IBGE, gerando o mapa de vulnerabilidade social. O mapa de vulnerabilidade socioambiental foi gerado por álgebra de mapas. A metodologia de obtenção da vulnerabilidade social foi considerada satisfatória e segue os padrões adotados em trabalhos aplicados no Brasil e internacionalmente. É recomendado que seja feita uma análise dos critérios de vulnerabilidade ambiental, para que o resultado possa representar uma ferramenta mais segura para a tomada de decisão. Social-Environmental Vulnerability Diagnosis in Urban Areas Using Geomatics A B S T R A C TThe impacts caused by natural disasters can be minimized by identifying populations in situations of social vulnerability. Aiming to contribute with land-use planning and to reduce such impacts caused by these natural disasters in urban centers, this project proposes a methodology to for spatial identification of social and environmental vulnerability. The method was applied in Mané Dendê River’s basin, at Salvador, Bahia. This study area is characterized by its high population density and great concentration of low income population, with high occurrence of irregular settlements. It was used geoprocessing techniques to identify the areas and the population that are vulnerable and graphically represent them through the generation of thematic maps. The environmental vulnerability map was generated through identifying the areas with risk of landslide and floods. It was determined a Social Vulnerability Index based on the 2010 census database published by the Brazilian Institute of Geography and Statistics. Then, it was generated the social vulnerability map. The social and environmental vulnerability map was made by applying the map algebra technique. The social vulnerability method was considered satisfactory once it follows the pattern adopted by similar works, applied in Brazil and around the world. However, it is recommended for future works a deeper analysis of the criteria used to obtain the environmental vulnerabilitymap so that the final result will be able to represent a reliable tool for the decision making in the scope of territorial management planning.Keywords: geoprocessing, zoning, social vulnerability, environmental vulnerability.

ResumoProdutos cartográficos como as imagens SRTM (Shuttle Radar Topography Mission), imagens TOPODATA e os mapas do IPECE possuem uma gama de informações para subsidiar estudos e projetos de engenharia. Nesse sentido, este trabalho objetiva comparar as informações referentes à altimetria presente nas bases cartográfica pré-existentes do SRTM, TOPODATA e IPECE e fornecer informações que auxiliem na tomada de decisão acerca dos projetos de engenharia. As informações foram aplicadas ao município de Caucaia-Ceará. Utilizou-se o Software ArcGIS para realizar as operações espaciais necessárias, a fim de alcançar os objetivos do estudo, gerando-se os modelos digitais de elevação (MDE), para as bacias hidrográficas e as drenagens existentes no município. Observou-se que os dados resultantes nas três bases cartográficas são muitos semelhantes para geração e espacialização das áreas das bacias. Já para as drenagens, percebeu-se que existe uma discrepância quanto à concordância espacial dos dados gerados, bem como no que se refere à geração das extensões das drenagens. Concluiu-se que os dados das três bases cartográficas fornecem medidas bastante semelhantes para representar o terreno da área em estudo, o que possibilita o uso de qualquer uma das bases para estudos preliminares, anteprojetos e pré-projetos, mesmo com escala de obtenção distinta para cada base.Palavras-chave -Altimetria. Cartografia. Geoprocessamento. Projetos. AbstractCartographic products such as SRTM (Shuttle Radar Topography Mission) images, TOPODATA images and IPECE maps have an array of information to support engineering studies and projects. Therefore, this study aim to compare altimetry information contained at SRTM, TOPODATA and IPECE cartographic bases and to provide information that help the decision-making for engineering projects. The information was applied to the town of Caucaia. It was utilized computer Software ArcGIS to do the spatial operations that were needed to reach the study's objectives, creating the Elevation Digital Models (MDE), the hydrographic basins and the drainages existing at the city. It was observed that the result data of the three cartographic bases are very similar to the generation and spatialization of the basins' area. Although, it was noted that, for the drainages, there is an unconformity through the spatial data generated, as well as their extensions. It was concluded that the data from the three cartographic databases offer quite similar measures to represent the land of the study area, it enables the use of any of the bases for preliminary studies, preliminary projects and pre-projects, even with different achievement scale for each base.