Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10451/61677 |
Resumo: | O conhecimento do uso e ocupação de solo é extremamente importante, uma vez que nos ajuda a perceber as relações entre os humanos e o meio ambiente que os rodeia, tendo um papel fundamental na tomada de decisões, de forma a que esta seja o mais informada possível. Assim, são necessárias análises com séries temporais mais longas, mais precisas e, acima de tudo, mais frequentes. A disponibilização de imagens de satélite para as diversas regiões do planeta veio dar resposta a esta questão. Para além disso, o aumento da capacidade de processamento e armazenamento dos computadores e o desenvolvimento de algoritmos de machine learning para classificação também tiveram um papel crucial. Contudo, a maioria destes modelos necessita de amostras de referência para treino e validação. A qualidade e disponibilidade destas amostras influencia a exatidão do modelo. A presente dissertação surge de uma parceria entre a DGT e o IGOT para o projeto “foRESTER”. Existe a ambição e a necessidade da DGT perceber se os fotopontos sendo uma cartografia de referência nacional, podem vir a integrar a base de dados de treino da Carta de Ocupação do Solo Conjuntural (COSc). Para responder a esta questão, este estudo divide-se em dois objetivos principais. O primeiro objetivo é avaliar a qualidade dos fotopontos de 2015, enquanto amostras de referência para classificação automática de imagem. O segundo objetivo passa pela apresentação de uma metodologia a empregar para o ano de 2018 (ano de referência da COSc), caso a qualidade dos fotopontos se verifique e a DGT decida optar pela sua utilização. Esta metodologia irá ter com objetivo final a produção de uma cartografia de ocupação do solo para Portugal continental (2018). OS resultados obtidos foram bons e promissores tendo a aplicação de diversos filtros e o emprego de diferentes nomenclaturas contribuído para tal efeito. |
id |
RCAP_2cd6b72937a72140cc62800842fdda09 |
---|---|
oai_identifier_str |
oai:repositorio.ul.pt:10451/61677 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2Uso e Ocupação do SoloFotopontosDeteção Remota e Imagens de SatéliteGeografiaSIGModelação EspacialOrdenamento do TerritórioO conhecimento do uso e ocupação de solo é extremamente importante, uma vez que nos ajuda a perceber as relações entre os humanos e o meio ambiente que os rodeia, tendo um papel fundamental na tomada de decisões, de forma a que esta seja o mais informada possível. Assim, são necessárias análises com séries temporais mais longas, mais precisas e, acima de tudo, mais frequentes. A disponibilização de imagens de satélite para as diversas regiões do planeta veio dar resposta a esta questão. Para além disso, o aumento da capacidade de processamento e armazenamento dos computadores e o desenvolvimento de algoritmos de machine learning para classificação também tiveram um papel crucial. Contudo, a maioria destes modelos necessita de amostras de referência para treino e validação. A qualidade e disponibilidade destas amostras influencia a exatidão do modelo. A presente dissertação surge de uma parceria entre a DGT e o IGOT para o projeto “foRESTER”. Existe a ambição e a necessidade da DGT perceber se os fotopontos sendo uma cartografia de referência nacional, podem vir a integrar a base de dados de treino da Carta de Ocupação do Solo Conjuntural (COSc). Para responder a esta questão, este estudo divide-se em dois objetivos principais. O primeiro objetivo é avaliar a qualidade dos fotopontos de 2015, enquanto amostras de referência para classificação automática de imagem. O segundo objetivo passa pela apresentação de uma metodologia a empregar para o ano de 2018 (ano de referência da COSc), caso a qualidade dos fotopontos se verifique e a DGT decida optar pela sua utilização. Esta metodologia irá ter com objetivo final a produção de uma cartografia de ocupação do solo para Portugal continental (2018). OS resultados obtidos foram bons e promissores tendo a aplicação de diversos filtros e o emprego de diferentes nomenclaturas contribuído para tal efeito.Knowledge of Land Use / Land Cover (LU/LC) is extremely important, since it helps us to understand the relationships between humans and the environment that surrounds them, playing a fundamental role in decision-making, so that it is the most informed possible. There is a need of analysis with longer time series, more accurate and, above all, more frequent. The availability of satellite images for the different regions of the planet has given an answer to this question. In addition, the increased processing and storage capacity of computers and the development of machine learning algorithms for classification have also played a crucial role. However, most of these models require reference samples for training and validation. The quality and availability of these samples influences the accuracy of the model. This dissertation appear from a partnership between the Directorate General for the Territorial Development (DGTD) and the Institute of Geography and Spatial Planning (IGSP) for the "foRESTER" project. There is an ambition and a need to understand if the photopoints being a national reference cartography can be part of the Carta de Ocupação do Solo Conjuntural (COSc - Land Cover map of Portugal) training database. To answer this question, this study it’s divided into two main objectives. The first objective is to evaluate the quality of the 2015 photopoints as reference samples for automatic image classification. The second objective is to present a methodology to be used for the year 2018 (COSc reference year), if the quality of the photopoints occurs and the DGTD decides to opt for its use. This methodology will have as its final objective the production of a land occupation cartography for mainland Portugal (2018). The results obtained were good and promising, with the application of different filters and the use of different nomenclatures contributing to this effect.Rocha, Fernando Jorge Pedro da Silva Pinto daCaetano, Mário Sílvio Rochinha de AndradeRepositório da Universidade de LisboaMarquês, César Diogo Henriques2024-01-09T17:31:50Z2023-12-142023-12-14T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/61677TID:203453247porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-01-15T01:19:01Zoai:repositorio.ul.pt:10451/61677Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T01:44:36.490992Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2 |
title |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2 |
spellingShingle |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2 Marquês, César Diogo Henriques Uso e Ocupação do Solo Fotopontos Deteção Remota e Imagens de Satélite Geografia SIG Modelação Espacial Ordenamento do Território |
title_short |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2 |
title_full |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2 |
title_fullStr |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2 |
title_full_unstemmed |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2 |
title_sort |
Produção de cartografia do solo através de fotopontos históricos do IFN e algoritmos de machine learning para Portugal Continental utilizando imagens Sentinel-2 |
author |
Marquês, César Diogo Henriques |
author_facet |
Marquês, César Diogo Henriques |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rocha, Fernando Jorge Pedro da Silva Pinto da Caetano, Mário Sílvio Rochinha de Andrade Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Marquês, César Diogo Henriques |
dc.subject.por.fl_str_mv |
Uso e Ocupação do Solo Fotopontos Deteção Remota e Imagens de Satélite Geografia SIG Modelação Espacial Ordenamento do Território |
topic |
Uso e Ocupação do Solo Fotopontos Deteção Remota e Imagens de Satélite Geografia SIG Modelação Espacial Ordenamento do Território |
description |
O conhecimento do uso e ocupação de solo é extremamente importante, uma vez que nos ajuda a perceber as relações entre os humanos e o meio ambiente que os rodeia, tendo um papel fundamental na tomada de decisões, de forma a que esta seja o mais informada possível. Assim, são necessárias análises com séries temporais mais longas, mais precisas e, acima de tudo, mais frequentes. A disponibilização de imagens de satélite para as diversas regiões do planeta veio dar resposta a esta questão. Para além disso, o aumento da capacidade de processamento e armazenamento dos computadores e o desenvolvimento de algoritmos de machine learning para classificação também tiveram um papel crucial. Contudo, a maioria destes modelos necessita de amostras de referência para treino e validação. A qualidade e disponibilidade destas amostras influencia a exatidão do modelo. A presente dissertação surge de uma parceria entre a DGT e o IGOT para o projeto “foRESTER”. Existe a ambição e a necessidade da DGT perceber se os fotopontos sendo uma cartografia de referência nacional, podem vir a integrar a base de dados de treino da Carta de Ocupação do Solo Conjuntural (COSc). Para responder a esta questão, este estudo divide-se em dois objetivos principais. O primeiro objetivo é avaliar a qualidade dos fotopontos de 2015, enquanto amostras de referência para classificação automática de imagem. O segundo objetivo passa pela apresentação de uma metodologia a empregar para o ano de 2018 (ano de referência da COSc), caso a qualidade dos fotopontos se verifique e a DGT decida optar pela sua utilização. Esta metodologia irá ter com objetivo final a produção de uma cartografia de ocupação do solo para Portugal continental (2018). OS resultados obtidos foram bons e promissores tendo a aplicação de diversos filtros e o emprego de diferentes nomenclaturas contribuído para tal efeito. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-14 2023-12-14T00:00:00Z 2024-01-09T17:31:50Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10451/61677 TID:203453247 |
url |
http://hdl.handle.net/10451/61677 |
identifier_str_mv |
TID:203453247 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799136941567901696 |