Resumo: O presente trabalho propõe uma comparação entre duas metodologias, a de redes neurais artificiais (RNA) e o modelo de regressão (MR), para estimar profundidades batimétricas a partir de imagens IKONOS II. Como variáveis foram adotados os valores do contador digital de duas bandas espectrais do sistema IKONOS II e a posição do pixel, dada pelas coordenadas (E, N). A primeira metodologia consiste de uma regressão linear (RL) e a segunda em uma RNA de duas camadas escondidas, do tipo feed forward. O estudo comprova que as metodologias geram resultados que atendem as especificações técnicas da Diretoria de Hidrologia e Navegação (DHN), responsável pelas publicações náuticas no Brasil, para levantamentos batimétricos (LB) de Ordem 1, sendo o erro máximo permitido, para esta ordem , entre 0,25 a 0,50m. No entanto, verificou-se que ambas atendem uma faixa restrita de profundidade, entre 0,80m a 3,00 m, nos quais a resposta espectral da coluna de água prevalece sobre o reflexo do fundo e não é fortemente afetada pela absorção.Palavras-Chave: Sensoriamento remoto, Imagens de alta resolução, NAVSTAR-GPS,Batimetria. Abstract:In this article, we describe the comparison between two methodology, artificial neural network (ANN) and regression model (RM) for the estimate of bathymetry using satellite imagery (IKONOS II). The input variables of the model are the digital values of two spectral bands and the position of the pixel, given by its N, E coordinates were adopted. The first methodology consists in a linear regression and the second a ANN of the two hidden layers, The proposed model consists of an artificial feed forward neural net with two hidden layers like feed forward. The study reveals that the two methodologies are able to produce results that satisfy technical specifications of Diretoria de Hidrologia e Navegação (DHN), responsible for the bathymetric surveys in Brazil, for class 1 surveys, because the maximum error lies bellow 0,5m. However, it was also verified that the methodologies are efficient only for restricted depths, among 0,80 to 3,00 m, where the spectral response of the water column water prevails on the spectral response of the bottom and it is not strongly affected by absorption.

No abstract

The gully erosion presents spectral and spatial heterogeneity and altimetry variation. It is not a land use class, but an object and it can be mapped as a subclass, using OBIA. This study presents a methodology for delimitation of gullies in rural environments, based on image classification procedures. For such, two study areas were selected: one located in Minas Gerais, Brazil and another one located in Queensland, Australia. There were used high resolution images and ALS data. The objects were generated by multiresolution segmentation method. The most important attributes in the definition of gullies were selected using decision tree induction algorithms, being these attributes spectral, altimetry and texture. Classifications hierarchical and by decision trees were carried out. Using decision tree the classification is performed only by a factor of scale, not allowing the identification of all the constituent features of the gully system. In hierarchical classification, the procedure is performed at different scales and allowing to use of fuzzy logic. The classification obtained with hierarchical classification showed results more reliable with the field of reality, by allowing the use of different scales, fuzzy logic and integration of knowledge (the established rule base) compared to the automatic classification by decision tree. As different gullies erosion are similar when presents the same evolution stage and soil type, it is not possible to select attributes to classify all gully systems, being necessary to investigate attributes for each gully erosion, based on available data and existing land use classes in the area.

Este trabalho apresenta o mapeamento de áreas com potencialidade de implantação de aterro sanitário em Guarapuava (PR), utilizando a metodologia baseada na classificação supervisionada, por Redes Neurais Artificiais (RNA). Para a classificação foi realizada uma série de testes com variações de dados de entrada, e nos parâmetros da RNA; desta forma foram obtidos diferentes resultados na camada de saída. Os melhores resultados foram obtidos com a arquitetura composta por cinco camadas de entrada e com dois neurônios na camada escondida e com alterações das variáveis de limiar de treinamento de 0.8000, taxa de aprendizagem 0.1000, dinâmica do treinamento de 0.8000, erro médio quadrático de 0.0500 e o número de iterações de 2000, sendo considerada a arquitetura ideal para este tipo de classificação. De forma que as RNAs representam uma técnica capaz de separar características de áreas com potencial de implantação do aterro sanitário, por meio da integração de variáveis, com diferentes origens e escalas, o que não é possível com classificadores estatísticos convencionais.

Resumo: O objetivo deste estudo é mostrar uma alternativa para a integração de dados GPS de precisões diferentes, visando uma Modelagem Digital do Terreno (MDT). Os levantamentos GPS foram realizados através do posicionamento relativo e da técnica cinemática, utilizando-se observações de fases das portadoras L 1 e L 2 , ou apenas da portadora L 1 , e do código C/A. As precisões obtidas com o pós-processamento destes levantamentos foram de ordens centimétricas (≈ 20 a 50cm) e métricas (≈ 1 a 3m), respectivamente. A metodologia proposta baseou-se no uso de técnica de integração usando-se algoritmo de Redes Neurais Artificiais (RNA). Foram realizadas análises qualitativas (isolinhas e MDT) e quantitativas (resíduos).A metodologia foi avaliada: 1) pelas análises do comportamento da grade gerada com o algoritmo de interpolação convencional Inverso do Quadrado de uma Distância (IQD) frente aos levantamentos e 2) por pontos de verificação coletados na superfície do terreno. O método testado mostrou-se viável comparativamente com o algoritmo IQD. Portanto, a RNA apresentou-se apta para a interpolação e integração de dados GPS de diferentes precisões. Palavras-chave: Interpolação, integração, GPS, Redes Neurais Artificiais (RNA)Abstract: The objective of this study is to show an alternative for the interpolation and integration of GPS data of different precisions, aiming a Digital Terrain Modeling (DTM). GPS surveying data were obtained using relative positioning with kinematic technique, using the phases of the L 1 and L 2 carriers, or only with L 1 carrier phase, and the use of the C/A-code observations. The precisions obtained with the post-processing of the GPS surveying data are in the centimetric (≈ 20 up to 50cm) and metric (≈ 1 up to 3m) orders, respectively. The proposed methodology was based on integration technique using Artificial Neural Networks (ANN) algorithm. The results were tested by means of analyses of the behavior of the gridding generated with the conventional interpolation algorithm Inverse Square Distance (ISD), which was adopted as the reference model for the comparisons among methods. Qualitative (isolines and DTM) and quantitative (residuals) analyses were accomplished and comparisons with the gridding generated by the ANN in the interpolation stage and integration of the GPS data were done. The tested method was shown viable in comparison with the ISD algorithm. In conclusion RNA was showed able for the interpolation and integration of GPS data of different precisions.