Dissertação/Tese do PPGCF
Modelagem do potencial de uso da terra com dados geoespaciais e inteligência artificial
Discente de doutoradoData: 23/02/2024 Hora: 14:00 Local: Auditório do Departamento de Engenharia Florestal - Campus JK - Diamantina
Ver TCC em PDF
H V S
Defesa
ResumoPalavras-chave:
O potencial de uso da terra desempenha um papel fundamental na maximização da produção
agrossilvipastoril e na conservação dos recursos naturais. Objetivou-se com esse estudo,
modelar com inteligência artificial e utilizando de diferentes camadas geoespaciais o
potencial de uso agrossilvipastoril da terra em bacias hidrográficas no Estado de Minas
Gerais. O processo envolveu: aquisição de dados geoespaciais, classificação in loco,
treinamento de inteligência artificial e análise dos resultados. Os dados geoespaciais foram
obtidos de domínios públicos e agrupados em conjuntos de camadas que representam a
complexidade de elementos de uma paisagem (litologia, climáticos, edáficos, hídricos,
relevo, estradas). O método de classificação empregado foi o modelo Random Forest,
utilizando 70 pontos de observação de campo. O processamento ocorreu em nuvem no
Google Earth Engine. A inserção - além das tradicionais camadas de classe de solo, litologia
e declividade - de camadas com atributos climáticos, hídricos, do relevo, edáficos e estradas
são fundamentais para a modelagem do potencial de uso da terra. A integração de dados
geoespaciais e inteligência artificial na modelagem do potencial de uso da terra oferece uma
abordagem promissora para a gestão sustentável do uso da terra, enfatizando a importância
da compreensão abrangente das características da paisagem para orientar políticas
sustentáveis de uso da terra.
Random Forest; Gestão da Paisagem; Zoneamento
AbstractKeywords:
Land use potential plays a fundamental role in maximizing agroforestry production and
conserving natural resources. The objective of this study was to model with artificial
intelligence and using different geospatial layers the potential for agroforestry land use in
river basins in the State of Minas Gerais. The process involved: acquisition of geospatial
data, on-site classification, artificial intelligence training and analysis of results. Geospatial
data was obtained from public domains and grouped into sets of layers that represent the
complexity of landscape elements (lithology, climate, edaphic, water, relief, roads). The
classification method used was the Random Forest model, using 70 field observation points.
Processing took place in the cloud on Google Earth Engine. The insertion - in addition to the
traditional layers of soil class, lithology and slope - of layers with climatic, water, relief,
edaphic and road attributes are fundamental for modeling land use potential. The integration
of geospatial data and artificial intelligence in modeling land use potential offers a promising
approach to sustainable land use management, emphasizing the importance of
comprehensive understanding of landscape characteristics to guide sustainable land use
policies.
Random Forest; Landscape Management; Zoning
Banca de defesa
Participante internoNacionalidade: Brasileira Ver currículo Lattes Ver ORCID Ver página pessoal
GILCIANO SARAIVA NOGUEIRA
Participante internoNacionalidade: Brasileira Ver currículo Lattes Ver ORCID Ver página pessoal
Ricardo Siqueira da Silva
Participante externoNacionalidade: Brasileira
B L D F
Participante externoNacionalidade: Brasileira Ver currículo Lattes Ver página pessoal
LUCIANO CAVALCANTE DE JESUS FRANCA