MÉTODO RÁPIDO DE CLASSIFICAÇÃO GEOMORFOLÓGICA POR ALGORITMO DE APRENDIZADO DE MÁQUINA APLICADO EM SUB-BACIAS DO RIO SÃO FRANCISCO
"2024-11-26" // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
App\Base\Administrativo\Model\Artigo {#1843 // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php #connection: "mysql" +table: "artigo" #primaryKey: "id" #keyType: "int" +incrementing: true #with: [] #withCount: [] +preventsLazyLoading: false #perPage: 15 +exists: true +wasRecentlyCreated: false #escapeWhenCastingToString: false #attributes: array:35 [ "id" => 118046 "edicao_id" => 380 "trabalho_id" => 514 "inscrito_id" => 691 "titulo" => "MÉTODO RÁPIDO DE CLASSIFICAÇÃO GEOMORFOLÓGICA POR ALGORITMO DE APRENDIZADO DE MÁQUINA APLICADO EM SUB-BACIAS DO RIO SÃO FRANCISCO" "resumo" => "Este estudo propôs um método eficiente de classificação geomorfológica utilizando o algoritmo Random Forest (RF) em sub-bacias do rio São Francisco, destacando-se pela aplicação de técnicas de aprendizado de máquina em mapeamentos de relevo. O objetivo foi abordar a subjetividade na delimitação de unidades geomorfológicas, um desafio recorrente no campo, e aprimorar a precisão dos mapas através da integração de covariáveis derivadas de Modelos Digitais de Elevação (MDE) e dados de sensoriamento remoto. O estudo identificou a necessidade de uma abordagem mais objetiva e automatizada, dada a variabilidade dos métodos tradicionais. Os resultados mostraram que o RF é altamente eficaz, alcançando uma acurácia global de 95% e um índice Kappa de 0,86, destacando-se a altitude e as variáveis binárias que diferenciam planícies fluviais como as covariáveis mais importantes. As conclusões apontam que, apesar da eficácia dos métodos automatizados, a intervenção manual continua essencial para refinar os mapas geomorfológicos, sugerindo uma abordagem híbrida. O estudo ressalta a importância de combinar técnicas automatizadas com validação por especialistas para assegurar a precisão e a aplicabilidade dos mapas geomorfológicos, contribuindo significativamente para a gestão ambiental e o planejamento territorial." "modalidade" => "Pôster (PO)" "area_tematica" => "ET 06 - As Geotecnologias e os novos avanços no campo da análise espacial e geográfica" "palavra_chave" => ", , , , " "idioma" => "Português" "arquivo" => "TRABALHO_COMPLETO_EV206_MD1_ID691_TB514_05092024102739.pdf" "created_at" => "2024-12-13 10:12:46" "updated_at" => null "ativo" => 1 "autor_nome" => "CRISTIANO MARCELO PEREIRA SOUZA" "autor_nome_curto" => "Cristiano Souza" "autor_email" => "cristiano.souza@univasf.edu.br" "autor_ies" => "FUNDAÇÃO UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO (UNIVASF)" "autor_imagem" => "" "edicao_url" => "anais-do-xx-sbgfa---simposio-brasileiro-de-geografia-fisica-aplicada--iv-elaagfa---encontro-luso-afro-americano-de-geografia-fisica-e-ambiente" "edicao_nome" => "Anais do XX SBGFA - Simpósio Brasileiro de Geografia Física Aplicada & IV ELAAGFA - Encontro Luso-Afro-Americano de Geografia Física e Ambiente" "edicao_evento" => "XX Simpósio Brasileiro de Geografia Física Aplicada & IV ELAAGFA Encontro Luso-Afro-Americano de Geografia Física e Ambiente" "edicao_ano" => 2024 "edicao_pasta" => "anais/sbgfa/2024" "edicao_logo" => null "edicao_capa" => "6745c268e6a83_26112024094320.png" "data_publicacao" => "2024-11-26" "edicao_publicada_em" => "2024-11-18 10:22:02" "publicacao_id" => 113 "publicacao_nome" => "Revista SBGFA" "publicacao_codigo" => "2236-5311" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #original: array:35 [ "id" => 118046 "edicao_id" => 380 "trabalho_id" => 514 "inscrito_id" => 691 "titulo" => "MÉTODO RÁPIDO DE CLASSIFICAÇÃO GEOMORFOLÓGICA POR ALGORITMO DE APRENDIZADO DE MÁQUINA APLICADO EM SUB-BACIAS DO RIO SÃO FRANCISCO" "resumo" => "Este estudo propôs um método eficiente de classificação geomorfológica utilizando o algoritmo Random Forest (RF) em sub-bacias do rio São Francisco, destacando-se pela aplicação de técnicas de aprendizado de máquina em mapeamentos de relevo. O objetivo foi abordar a subjetividade na delimitação de unidades geomorfológicas, um desafio recorrente no campo, e aprimorar a precisão dos mapas através da integração de covariáveis derivadas de Modelos Digitais de Elevação (MDE) e dados de sensoriamento remoto. O estudo identificou a necessidade de uma abordagem mais objetiva e automatizada, dada a variabilidade dos métodos tradicionais. Os resultados mostraram que o RF é altamente eficaz, alcançando uma acurácia global de 95% e um índice Kappa de 0,86, destacando-se a altitude e as variáveis binárias que diferenciam planícies fluviais como as covariáveis mais importantes. As conclusões apontam que, apesar da eficácia dos métodos automatizados, a intervenção manual continua essencial para refinar os mapas geomorfológicos, sugerindo uma abordagem híbrida. O estudo ressalta a importância de combinar técnicas automatizadas com validação por especialistas para assegurar a precisão e a aplicabilidade dos mapas geomorfológicos, contribuindo significativamente para a gestão ambiental e o planejamento territorial." "modalidade" => "Pôster (PO)" "area_tematica" => "ET 06 - As Geotecnologias e os novos avanços no campo da análise espacial e geográfica" "palavra_chave" => ", , , , " "idioma" => "Português" "arquivo" => "TRABALHO_COMPLETO_EV206_MD1_ID691_TB514_05092024102739.pdf" "created_at" => "2024-12-13 10:12:46" "updated_at" => null "ativo" => 1 "autor_nome" => "CRISTIANO MARCELO PEREIRA SOUZA" "autor_nome_curto" => "Cristiano Souza" "autor_email" => "cristiano.souza@univasf.edu.br" "autor_ies" => "FUNDAÇÃO UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO (UNIVASF)" "autor_imagem" => "" "edicao_url" => "anais-do-xx-sbgfa---simposio-brasileiro-de-geografia-fisica-aplicada--iv-elaagfa---encontro-luso-afro-americano-de-geografia-fisica-e-ambiente" "edicao_nome" => "Anais do XX SBGFA - Simpósio Brasileiro de Geografia Física Aplicada & IV ELAAGFA - Encontro Luso-Afro-Americano de Geografia Física e Ambiente" "edicao_evento" => "XX Simpósio Brasileiro de Geografia Física Aplicada & IV ELAAGFA Encontro Luso-Afro-Americano de Geografia Física e Ambiente" "edicao_ano" => 2024 "edicao_pasta" => "anais/sbgfa/2024" "edicao_logo" => null "edicao_capa" => "6745c268e6a83_26112024094320.png" "data_publicacao" => "2024-11-26" "edicao_publicada_em" => "2024-11-18 10:22:02" "publicacao_id" => 113 "publicacao_nome" => "Revista SBGFA" "publicacao_codigo" => "2236-5311" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #changes: [] #casts: array:14 [ "id" => "integer" "edicao_id" => "integer" "trabalho_id" => "integer" "inscrito_id" => "integer" "titulo" => "string" "resumo" => "string" "modalidade" => "string" "area_tematica" => "string" "palavra_chave" => "string" "idioma" => "string" "arquivo" => "string" "created_at" => "datetime" "updated_at" => "datetime" "ativo" => "boolean" ] #classCastCache: [] #attributeCastCache: [] #dates: [] #dateFormat: null #appends: [] #dispatchesEvents: [] #observables: [] #relations: [] #touches: [] +timestamps: false #hidden: [] #visible: [] +fillable: array:13 [ 0 => "edicao_id" 1 => "trabalho_id" 2 => "inscrito_id" 3 => "titulo" 4 => "resumo" 5 => "modalidade" 6 => "area_tematica" 7 => "palavra_chave" 8 => "idioma" 9 => "arquivo" 10 => "created_at" 11 => "updated_at" 12 => "ativo" ] #guarded: array:1 [ 0 => "*" ] }