Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades

Detalhes bibliográficos
Autor(a) principal: Silva, Francisco Carvão Magarreiro Proença da
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10362/152353
Resumo: As florestas portuguesas são todos os anos ameaçadas por incêndios florestais. Para mi- nimizar esse flagelo, existem planos de defesa com o objectivo de diminuir o risco de incêndio e limitar a sua propagação. Nesses planos incluem-se as faixas de gestão de com- bustível (FGCI), zonas onde a presença de vegetação deve ser reduzida ou inexistente. Nesta dissertação é proposto o uso de imagens de satélite, denominadamente da mis- são Sentinel-2 para monitorizar o estado das FGCI, identificando os instantes de interven- ção sobre as FGCI, tal como a sua ausência. O uso de técnicas de aprendizagem automática como Random Forests são aplicadas para distinguir um instante num contexto normal, e num contexto pós-intervenção. São usados os dados de referência fornecidos e complementados por um processo manual de marcação de séries para treinar os modelos. O contexto temporal fornece informação importante para apoiar esta classificação. Foi explorada também a hipótese de gerar automaticamente as FGCI, com base na deteção de estruturas permanentes, de forma a identificar faixas adicionais que não estão mapeadas nos planos de defesa.
id RCAP_9adf748da0f79e6d88f2e6de7af2f5ea
oai_identifier_str oai:run.unl.pt:10362/152353
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidadesDeteção RemotaAprendizagem AutomáticaSéries TemporaisFaixas de Gestão de CombustívelSentinelDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaAs florestas portuguesas são todos os anos ameaçadas por incêndios florestais. Para mi- nimizar esse flagelo, existem planos de defesa com o objectivo de diminuir o risco de incêndio e limitar a sua propagação. Nesses planos incluem-se as faixas de gestão de com- bustível (FGCI), zonas onde a presença de vegetação deve ser reduzida ou inexistente. Nesta dissertação é proposto o uso de imagens de satélite, denominadamente da mis- são Sentinel-2 para monitorizar o estado das FGCI, identificando os instantes de interven- ção sobre as FGCI, tal como a sua ausência. O uso de técnicas de aprendizagem automática como Random Forests são aplicadas para distinguir um instante num contexto normal, e num contexto pós-intervenção. São usados os dados de referência fornecidos e complementados por um processo manual de marcação de séries para treinar os modelos. O contexto temporal fornece informação importante para apoiar esta classificação. Foi explorada também a hipótese de gerar automaticamente as FGCI, com base na deteção de estruturas permanentes, de forma a identificar faixas adicionais que não estão mapeadas nos planos de defesa.Every year, the Portuguese forests are threatened by wild fires. To minimize that danger, there are mitigation plans put in place with the intent of lowering the fire risk and limiting its spread. Those plans include the definition of Fire Management Zones (FMZ), zones in which the vegetation should be routinely trimmed, or removed. In this thesis it is proposed the usage of satellite imagery, namely from the Sentinel-2 mission, to monitor the state of the FMZs, identifying the moments where an intervention occured, as well as the periods without any action, such as when the vegetation cover evolves naturally. The usage of machine learning techniques like Random Forests are applied to dis- tinguish a normal context in an FMZ’s vegetation cycle and a moment that follows an intervention. These techniques use the ground truth data that was provided, comple- mented by a manual effort of time series tagging to be able to train these models. The temporal context provides valuable information to support the classification. The possibility of automatically generating the FMZ’s was also explored, relying on the detection of permanent artifical strutctures to generate them. This new map of au- tomatic FMZ’s can be used to detect aditional magament zones that are not currently defined in the oficial plans.Damásio, CarlosPires, JoãoRUNSilva, Francisco Carvão Magarreiro Proença da2023-05-03T11:34:54Z2022-072022-07-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/152353porinfo: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:RCAAP2024-03-11T05:34:42Zoai:run.unl.pt:10362/152353Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:54:52.884168Repositório 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 Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades
title Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades
spellingShingle Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades
Silva, Francisco Carvão Magarreiro Proença da
Deteção Remota
Aprendizagem Automática
Séries Temporais
Faixas de Gestão de Combustível
Sentinel
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades
title_full Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades
title_fullStr Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades
title_full_unstemmed Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades
title_sort Identificação de operações de limpeza em faixas de gestão de combustível de incêndios ao redor de habitações e localidades
author Silva, Francisco Carvão Magarreiro Proença da
author_facet Silva, Francisco Carvão Magarreiro Proença da
author_role author
dc.contributor.none.fl_str_mv Damásio, Carlos
Pires, João
RUN
dc.contributor.author.fl_str_mv Silva, Francisco Carvão Magarreiro Proença da
dc.subject.por.fl_str_mv Deteção Remota
Aprendizagem Automática
Séries Temporais
Faixas de Gestão de Combustível
Sentinel
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Deteção Remota
Aprendizagem Automática
Séries Temporais
Faixas de Gestão de Combustível
Sentinel
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description As florestas portuguesas são todos os anos ameaçadas por incêndios florestais. Para mi- nimizar esse flagelo, existem planos de defesa com o objectivo de diminuir o risco de incêndio e limitar a sua propagação. Nesses planos incluem-se as faixas de gestão de com- bustível (FGCI), zonas onde a presença de vegetação deve ser reduzida ou inexistente. Nesta dissertação é proposto o uso de imagens de satélite, denominadamente da mis- são Sentinel-2 para monitorizar o estado das FGCI, identificando os instantes de interven- ção sobre as FGCI, tal como a sua ausência. O uso de técnicas de aprendizagem automática como Random Forests são aplicadas para distinguir um instante num contexto normal, e num contexto pós-intervenção. São usados os dados de referência fornecidos e complementados por um processo manual de marcação de séries para treinar os modelos. O contexto temporal fornece informação importante para apoiar esta classificação. Foi explorada também a hipótese de gerar automaticamente as FGCI, com base na deteção de estruturas permanentes, de forma a identificar faixas adicionais que não estão mapeadas nos planos de defesa.
publishDate 2022
dc.date.none.fl_str_mv 2022-07
2022-07-01T00:00:00Z
2023-05-03T11:34:54Z
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/10362/152353
url http://hdl.handle.net/10362/152353
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_ 1799138137257017344

Registros relacionados