Bancos de dados geográficos e redes neurais artificiais: tecnologias de apoio à gestão do território.

• Ano de defesa: 1999
• Autor(a) principal: Medeiros, José Simeão de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: artificial neural network; ecological-economic zoning; geographic information science; geoprocessamento; rede neural artificial; zoneamento ecológico-econômico
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/8/8135/tde-25072001-095526/

Este trabalho apresenta o desenvolvimento de um instrumento de apoio à gestão territorial, denominado Banco de Dados Geográficos – BDG, constituído de uma base de dados georreferenciadas, de um sistema de gerenciamento de banco de dados, de um sistema de informação geográfica – SIG e de um simulador de redes neurais artificiais – SRNA. O roteiro metodológico adotado permitiu a transposição do Detalhamento da Metodologia para Execução do Zoneamento Ecológico-Econômico pelos Estados da Amazônia Legal para um modelo conceitual materializado no BDG, que serviu de suporte para a criação de uma base de dados geográficos, na qual utilizou-se os conceitos de geo-campos e geo-objetos para modelagem das entidades geográficas definidas. Através deste ambiente computacional foram realizados procedimentos de correção e refinamento dos dados do meio físico e sócio-econômicos, de interpretação de imagens de satélite e análises e combinações dos dados, que permitiram definir unidades básicas de informação do território, a partir das quais foram geradas as sínteses referentes à potencialidade social e econômica, à sustentabilidade do ambiente, aos subsídios para ordenação do território, incluindo orientações à gestão do território na área de estudo localizada no sudoeste do estado de Rondônia. Sobre os dados do meio físico, foram utilizadas duas técnicas de análise geográfica: álgebra de mapas e rede neural artificial, que produziram cenários relativos à vulnerabilidade natural à erosão. A análise das matrizes de erros obtidas da tabulação cruzada entre os cenários, revelou uma boa exatidão global (acima de 90%) entre os cenários obtidos através da modelagem via álgebra de mapas e via rede neural artificial e, uma exatidão global regular (em torno de 60%), quando foram comparados os cenários obtidos via álgebra de mapas e via rede neural artificial com o cenário obtido através de procedimentos manuais.