Geração automática dum mapa do coberto do solo português

Detalhes bibliográficos
Autor(a) principal: Valente, Nuno Afonso Gonçalves Solha Moreira
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/80115
Resumo: Dissertação de mestrado integrado em Engenharia Informática
id RCAP_c86175620dfb2eb1217f88719a306877
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/80115
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Geração automática dum mapa do coberto do solo portuguêsEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado integrado em Engenharia InformáticaA aplicação de técnicas orientadas a objectos e de aprendizagem automática sobre imagens de satélite tem sido alvo de interesse nos últimos anos. O aumento da qualidade e quantidade de imagens, disponibilizadas por programas de observação da Terra como por exemplo o Programa Cope rnicus, levou à geração de uma grande quantidade de dados. De entre as várias aplicações destes dados destaca-se a criação de mapas do coberto do solo. Com a presente dissertação pretendia-se criar modelos de aprendizagem automática capazes de segmentar e classificar com precisão imagens de satélite, gerando automaticamente um mapa do coberto do território Português. Durante a dissertação foram realizadas várias experiências com as bandas espetrais do satélite Sentinel-2, com índices espetrais e com diversos conjuntos de classes do coberto. Foram testadas três arquiteturas nos modelos de aprendizagem automática treinados, que adotam duas técnicas diferentes para classificação das imagens. Numa das técnicas a classificação é orientada ao objeto, e neste caso a arquitetura adotada nos modelos foi uma rede neuronal artificial U-Net. Na outra técnica, a classificação é orientada ao pixel e os modelos de aprendizagem automática testados foram a floresta aleatória e a máquina de vetores de suporte. A acurácia global dos resultados obtidos variou entre 82.32% e 94.75%, dependendo fortemente do número de classes em que se classifica o coberto. O resultado de 94.75% foi obtido quando se classifica o coberto em apenas 5 dasses. Contudo conseguiu-se uma acurácia bem interessante de 92.37%, no modelo treinado para classificar 8 classes.The application of object-oriented and machine learning techniques on satellite imagery has been the subject of interest in recent years. The increase in quality and quantity of images, made available by Earth observation programs, such as the Copernicus program, led to the generation of a large amounts of data. Among the various applications of these data is the creation of land cover maps. This dissertation aimed to create machine learning models capable of accurately segment and classify satellite images, automatically generating a land cover map of the Portuguese territory. During the dissertation several experiments were carried out with the spectral bands of the Sentinel-2 satellite, with vegetation indices, and with several sets of land cover classes. Three architectures were tested in the trained machine learning models, which adopt two different techniques for image classification. One of the classification techniques follows an object-oriented approach, and in this case the architecture adopted in our models was a U-Net artificial neural network. The other classification technique is pixel-oriented, and the machine learning models tested were random forest and support vector machine. The overall accuracy of the results obtained ranged from 82.32% to 94.75%, depending strongly on the number of classes into which the land cover was classified. The result of 94.75% was obtained when classifying the cover into only 5 classes. However, a very interesting accuracy of 92.37% was achieved by the model trained to classify 8 classes.Esteves, AntónioUniversidade do MinhoValente, Nuno Afonso Gonçalves Solha Moreira2022-04-262022-04-26T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/80115por203022971info: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:RCAAP2023-12-09T01:20:32Zoai:repositorium.sdum.uminho.pt:1822/80115Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:22:40.728966Repositório 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 Geração automática dum mapa do coberto do solo português
title Geração automática dum mapa do coberto do solo português
spellingShingle Geração automática dum mapa do coberto do solo português
Valente, Nuno Afonso Gonçalves Solha Moreira
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Geração automática dum mapa do coberto do solo português
title_full Geração automática dum mapa do coberto do solo português
title_fullStr Geração automática dum mapa do coberto do solo português
title_full_unstemmed Geração automática dum mapa do coberto do solo português
title_sort Geração automática dum mapa do coberto do solo português
author Valente, Nuno Afonso Gonçalves Solha Moreira
author_facet Valente, Nuno Afonso Gonçalves Solha Moreira
author_role author
dc.contributor.none.fl_str_mv Esteves, António
Universidade do Minho
dc.contributor.author.fl_str_mv Valente, Nuno Afonso Gonçalves Solha Moreira
dc.subject.por.fl_str_mv Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Dissertação de mestrado integrado em Engenharia Informática
publishDate 2022
dc.date.none.fl_str_mv 2022-04-26
2022-04-26T00:00:00Z
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 https://hdl.handle.net/1822/80115
url https://hdl.handle.net/1822/80115
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 203022971
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_ 1799132698500923392

Registros relacionados