Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta
Autor(a) principal: | |
---|---|
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/10362/79921 |
Resumo: | A crescente observação da Terra por via de satélites tem permitido um estudo sobre o planeta mais completo e abrangente. A aquisição de imagens nos diferentes comprimentos de onda do espectro eletromagnético permite a extração de informação da superfície terrestre sem a necessidade de instalação de sensores, simplificando o processo de aquisição de dados. O aumento exponencial de dados disponíveis torna praticamente impossível a sua análise de forma humana, implicando o recurso a técnicas de classificação cada vez mais evoluídas. O Instituto de Conservação da Natureza e das Florestas (ICNF) definiu como estratégia para prevenção e combate a incêndios florestais a implementação da rede primária de Faixas de Gestão de Combustível (FGC), nas quais é feita uma redução da biomassa criando uma barreira à progressão do fogo. Uma das responsabilidades do ICNF é garantir a sua manutenção, no entanto devido à extensão da rede necessita de uma ferramenta baseada em Sistemas de Informação Geográfica para detetar de forma automática intervenções nas FGC. Nesta dissertação é proposto um conjunto de técnicas baseadas em imagens de observação da terra para identificar operações de manutenção nas FGC. A análise recorreu a imagens multiespectrais adquiridas pelo satélite Sentinel 2. Como pré-processamento destas imagens foi necessário corrigir o erro de georreferenciação e obter índices espectrais para extrair mais informação. Em seguida, foi estudado o comportamento destas FGC relativamente a uma intervenção comparando com a dinâmica em zonas de vegetação. Após o entendimento das dinâmicas espectrais utilizaram-se Redes Neuronais Artificiais para a deteção das intervenções. Antes da classificação foi feito um estudo para a escolha dos atributos a utilizar, com base na análise de dados referida no parágrafo anterior. Depois do treino do algoritmo e definição dos parâmetros foi testado numa região diferente tendo sido identificada corretamente a intervenção. |
id |
RCAP_a480ee488a11734770f79b78de0b04b4 |
---|---|
oai_identifier_str |
oai:run.unl.pt:10362/79921 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da FlorestaObservação da TerraFaixas de Gestão de CombustívelImagens MultiespectraisRedes NeuronaisSentinel 2Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaA crescente observação da Terra por via de satélites tem permitido um estudo sobre o planeta mais completo e abrangente. A aquisição de imagens nos diferentes comprimentos de onda do espectro eletromagnético permite a extração de informação da superfície terrestre sem a necessidade de instalação de sensores, simplificando o processo de aquisição de dados. O aumento exponencial de dados disponíveis torna praticamente impossível a sua análise de forma humana, implicando o recurso a técnicas de classificação cada vez mais evoluídas. O Instituto de Conservação da Natureza e das Florestas (ICNF) definiu como estratégia para prevenção e combate a incêndios florestais a implementação da rede primária de Faixas de Gestão de Combustível (FGC), nas quais é feita uma redução da biomassa criando uma barreira à progressão do fogo. Uma das responsabilidades do ICNF é garantir a sua manutenção, no entanto devido à extensão da rede necessita de uma ferramenta baseada em Sistemas de Informação Geográfica para detetar de forma automática intervenções nas FGC. Nesta dissertação é proposto um conjunto de técnicas baseadas em imagens de observação da terra para identificar operações de manutenção nas FGC. A análise recorreu a imagens multiespectrais adquiridas pelo satélite Sentinel 2. Como pré-processamento destas imagens foi necessário corrigir o erro de georreferenciação e obter índices espectrais para extrair mais informação. Em seguida, foi estudado o comportamento destas FGC relativamente a uma intervenção comparando com a dinâmica em zonas de vegetação. Após o entendimento das dinâmicas espectrais utilizaram-se Redes Neuronais Artificiais para a deteção das intervenções. Antes da classificação foi feito um estudo para a escolha dos atributos a utilizar, com base na análise de dados referida no parágrafo anterior. Depois do treino do algoritmo e definição dos parâmetros foi testado numa região diferente tendo sido identificada corretamente a intervenção.Mora, AndréRUNPires, João Eduardo Albuquerque Martins Pereira2019-09-02T14:35:46Z2019-0620192019-06-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/79921porinfo: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:RCAAP2024-03-11T04:35:21Zoai:run.unl.pt:10362/79921Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:35:49.781536Repositório 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 |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta |
title |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta |
spellingShingle |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta Pires, João Eduardo Albuquerque Martins Pereira Observação da Terra Faixas de Gestão de Combustível Imagens Multiespectrais Redes Neuronais Sentinel 2 Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta |
title_full |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta |
title_fullStr |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta |
title_full_unstemmed |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta |
title_sort |
Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta |
author |
Pires, João Eduardo Albuquerque Martins Pereira |
author_facet |
Pires, João Eduardo Albuquerque Martins Pereira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Mora, André RUN |
dc.contributor.author.fl_str_mv |
Pires, João Eduardo Albuquerque Martins Pereira |
dc.subject.por.fl_str_mv |
Observação da Terra Faixas de Gestão de Combustível Imagens Multiespectrais Redes Neuronais Sentinel 2 Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Observação da Terra Faixas de Gestão de Combustível Imagens Multiespectrais Redes Neuronais Sentinel 2 Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
A crescente observação da Terra por via de satélites tem permitido um estudo sobre o planeta mais completo e abrangente. A aquisição de imagens nos diferentes comprimentos de onda do espectro eletromagnético permite a extração de informação da superfície terrestre sem a necessidade de instalação de sensores, simplificando o processo de aquisição de dados. O aumento exponencial de dados disponíveis torna praticamente impossível a sua análise de forma humana, implicando o recurso a técnicas de classificação cada vez mais evoluídas. O Instituto de Conservação da Natureza e das Florestas (ICNF) definiu como estratégia para prevenção e combate a incêndios florestais a implementação da rede primária de Faixas de Gestão de Combustível (FGC), nas quais é feita uma redução da biomassa criando uma barreira à progressão do fogo. Uma das responsabilidades do ICNF é garantir a sua manutenção, no entanto devido à extensão da rede necessita de uma ferramenta baseada em Sistemas de Informação Geográfica para detetar de forma automática intervenções nas FGC. Nesta dissertação é proposto um conjunto de técnicas baseadas em imagens de observação da terra para identificar operações de manutenção nas FGC. A análise recorreu a imagens multiespectrais adquiridas pelo satélite Sentinel 2. Como pré-processamento destas imagens foi necessário corrigir o erro de georreferenciação e obter índices espectrais para extrair mais informação. Em seguida, foi estudado o comportamento destas FGC relativamente a uma intervenção comparando com a dinâmica em zonas de vegetação. Após o entendimento das dinâmicas espectrais utilizaram-se Redes Neuronais Artificiais para a deteção das intervenções. Antes da classificação foi feito um estudo para a escolha dos atributos a utilizar, com base na análise de dados referida no parágrafo anterior. Depois do treino do algoritmo e definição dos parâmetros foi testado numa região diferente tendo sido identificada corretamente a intervenção. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-09-02T14:35:46Z 2019-06 2019 2019-06-01T00:00:00Z |
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/10362/79921 |
url |
http://hdl.handle.net/10362/79921 |
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_ |
1799137978497368064 |