No abstract

RESUMOO presente trabalho foi realizado para a região do Araripe, localizada no oeste de Pernambuco. Esta região apresenta importantes modificações em seu ambiente natural, principalmente ocasionadas pela remoção da cobertura vegetal nativa, muitas vezes resultante de desmatamento ilegal para a utilização da lenha como fonte energética nas indústrias gesseiras. Este trabalho buscou separar e quantificar a cobertura vegetal da região estudada a partir do Índice

O litoral do Piauí tem uma extensão de apenas 66km, e sua planície litorânea têm sofrido muita pressão para ocupação, que vem ocorrendo de forma desordenada. O conhecimento do recurso natural solo é fundamental para o ordenamento territorial responsável. São raros os trabalhos sobre os solos do Piauí em escala mais detalhada. O presente trabalho traz maior detalhamento de solos piauienses e tem como objetivo analisar a resposta espectral de solos representativos das diferentes paisagens do litoral piauiense na faixa do visível e do infravermelho (350 a 2500nm) e faz inferência para fins de classificação. Foi possível com a interpretação das curvas espectrais fazer associação a vários atributos dos solos e relacionar com a sua gênese e classificação. Os resultados indicam que essa metodologia pode ser eficiente em levantamentos de solos do litoral piauiense.

O objetivo do trabalho foi mapear as classes de cobertura das terras de uma área do Delta do Parnaíba, Piauí aplicando o método de classificação não-supervisionada em imagens RapidEye. Através do processamento digital das imagens em ambiente SIG foi possível mapear 12 classes de cobertura das terras. Os resultados indicaram que o maior percentual da área de estudo é coberta por campos com a presença de vegetação arbustiva e predomínio da pastagem. Outras classes (dunas móveis e cordão arenoso, vegetação rasteira e solo exposto) caracterizam alto nível de vulnerabilidade ambiental e risco de erosão, ilustrando a necessidade de técnicas de manejo sustentáveis. Com base nas técnicas e critérios de avaliação adotados, o mapeamento indicou concordância muito boa, ressaltando a qualidade da interpretação visual da imagem e do método de classificação empregado.

Soil mapping is a permanent demand, but the traditional method does not allow fast execution and low cost. Digital soil mapping (DSM) aims to improve the process by working with models that treat soil spatial variability quantitatively. In this perspective, the objective of the study is to perform DSM of the Parnaíba River Delta, Northeastern Brazil, through the decision tree (DT) integration technique using a set of attributes derived from the digital elevation model (DEM) and satellite images as input parameters. Data matrices were created considering different soil groups. The performance of the J48 machine learning algorithm (DT) was assessed for a set of 2 data matrices. From the data processing, digital soil maps were created and validated by means of error matrices, whose reference points were classified in the field, and validated by means of a pre-existing traditional soil map of the area. The results revealed that the attributes derived from satellite image stood out from those derived from DEM in the prediction of soil groups. Based on the validation coefficients applied (overall accuracy, Kappa index, user’s accuracy and producer’s accuracy), the quality of the classification was satisfactory, despite the complexity of the environment.