Deteção Remota de Estruturas Artificiais Permanentes

• Autor(a) principal: Neves, André Miguel
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10362/95073
• topic: Aprendizagem automática; deteção remota; sistemas de informação geográfica; CORINE; Copernicus; Sentinel-1; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática

Os Incêndios florestais, principalmente em zonas rurais, são uma ameaça muito significativa à qual temos de ter em conta no que toca à proteção de vidas e estruturas. Para uma boa proteção a nível nacional é necessário minimizar o impacto dos incêndios. Esta minimização do risco e do impacto dos incêndios florestais obriga à monitorização das faixas de gestão de combustível (FGC), na envolvente a habitações, estradas nacionais entre outros. Assim, é essencial a identificação das estruturas artificiais permanentes a partir das quais se definem as faixas de gestão de combustível. As cartas existentes que mapeiam estas estruturas possuem uma frequência de geração baixa e a sua resolução poderá não ser adequada para a extração de pequenas estruturas, como pequenos aglomerados ou estradas, que carecem de proteção contra incêndios. Esta investigação pretende então, com base nas imagens dos satélites Sentinel 1 e 2, mapas de elevação de terreno, e dados de referência da carta COS 2015 juntamente com informação OpenStreetMap, recorrer a algoritmos de aprendizagem automática para a deteção de estruturas artificiais permanentes com base nas características de refletância e de índices ao longo do tempo. No final foi concluindo que a utilização de séries temporais e modelos de elevação de terreno, juntamente com o modelo de classificação XGBoost, apresentam os melhores resultados em todas as classificações, classificações estas que possuem uma melhor resolução e deteção de estruturas que os produtos disponíveis estado da arte. Estas classificações possuem também estruturas artificiais permanentes não presentes nos dados de referência. A aplicação desta classificação mais fina beneficia a delimitação das FGC, podendo acelerar o processo de geração e detetar estruturas e aglomerados sem proteção adequada.