A CRIAÇÃO DE UM MODELO DE CLASSIFICAÇÃO SEMI-AUTOMÁTICA UTILIZANDO CONHECIMENTO GEOGRÁFICO: UM ESTUDO DE CASO NA PORÇÃO SETENTRIONAL DO MACIÇO DA TIJUCA - RJ

• Autor(a) principal: RAFAEL DA SILVA NUNES
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=34950@1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=34950@2

Os processos de transformação da paisagem são resultantes da interação de elementos (bióticos e abióticos) que compõe a superfície da Terra. Baseia-se, a partir de uma perspectiva holística, no inter-relacionamento de uma série de ações e objetos que confluem para que a paisagem seja percebida como um momento sintético da confluência de inúmeras temporalidades. Desta maneira, as geotecnologias passam a se constituir como um importante aparato técnico-científico para a interpretação desta realidade ao possibilitar novas e diferentes formas do ser humano interpretar a paisagem. Um dos produtos gerados a partir desta interpretação é a classificação de uso e cobertura do solo e que se configura como um instrumento central para a análise das dinâmicas territoriais. Desta maneira, o objetivo do presente trabalho é elaboração de um modelo de classificação semi-automática baseada em conhecimento geográfico para o levantamento do padrão de uso e cobertura da paisagem a partir da utilização de imagens de satélite de alta resolução, tendo como recorte analítico uma área na porção setentrional no Maciço da Tijuca. O modelo baseado na análise de imagens baseadas em objetos, quando confrontados com a classificação visual, culminou em um valor acima de 80 por cento de correspondência tanto para imagens de 2010 e 2009, apresentando valores bastante elevados também na comparação classe a classe. A elaboração do presente modelo contribuiu diretamente para a otimização da produção dos dados elaborados contribuindo sobremaneira para a aceleração da interpretação das imagens analisadas, assim como para a minimização de erros ocasionados pela subjetividade atrelada ao próprio classificador.