Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10362/118074 |
Resumo: | O método de classificação ao objeto – Geographic Object-Based Image Analysis (GEOBIA) serviu para classificar, com recurso a dados Sentinel 2 MSI, os tipos de uso e ocupação de solo no município de Almada. Para isso foi utilizado um método de classificação supervisionado ao objeto sem recurso a classificadores estatísticos automáticos e a qualidade do mapeamento final, foi aferida pelo cálculo das seguintes métricas de precisão temática: precisão global, percentagem de erro, precisão no produtor, precisão no utilizador, erro de comissão e erro de omissão. Foram considerados como satisfatórios os resultados que apresentassem uma precisão global >= 80%, e por tema uma precisão no utilizador e produtor igualmente >= 80%. A precisão global foi 81%, a percentagem de erro 19% e os temas que cumpriram os requisitos de precisão foram: 11 Tecido urbano (92%; 90%), 12 Indústria, comércio e transportes (81%; 96%), 141 Espaços verdes urbanos (93%; 95%) e a classe “331 Praias, dunas e areais” com a precisão de utilizador e produtor de 79% e 87%, foi incluída na lista, por ter em falta apenas 1% de precisão no utilizador, mas ter o seu processo classificativo passível de ser automatizado. |
id |
RCAP_c8cc83701b5044b23937289c2c627647 |
---|---|
oai_identifier_str |
oai:run.unl.pt:10362/118074 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSISentinel 2 MSIAnálise de imagensDeteção remotaClassificação supervisionada ao objetoAutomatizaçãoTipos de Uso e Ocupação de SoloPrecisão temáticaRemote detectionSupervised object classificationAutomationTypes of Use and Land OccupationThematic precisionDomínio/Área Científica::Ciências Sociais::Geografia Económica e SocialO método de classificação ao objeto – Geographic Object-Based Image Analysis (GEOBIA) serviu para classificar, com recurso a dados Sentinel 2 MSI, os tipos de uso e ocupação de solo no município de Almada. Para isso foi utilizado um método de classificação supervisionado ao objeto sem recurso a classificadores estatísticos automáticos e a qualidade do mapeamento final, foi aferida pelo cálculo das seguintes métricas de precisão temática: precisão global, percentagem de erro, precisão no produtor, precisão no utilizador, erro de comissão e erro de omissão. Foram considerados como satisfatórios os resultados que apresentassem uma precisão global >= 80%, e por tema uma precisão no utilizador e produtor igualmente >= 80%. A precisão global foi 81%, a percentagem de erro 19% e os temas que cumpriram os requisitos de precisão foram: 11 Tecido urbano (92%; 90%), 12 Indústria, comércio e transportes (81%; 96%), 141 Espaços verdes urbanos (93%; 95%) e a classe “331 Praias, dunas e areais” com a precisão de utilizador e produtor de 79% e 87%, foi incluída na lista, por ter em falta apenas 1% de precisão no utilizador, mas ter o seu processo classificativo passível de ser automatizado.The object classification method, Geographic Object-Based Image Analysis (GEOBIA) served to classify, using Sentinel 2 MSI data, the types of land use and occupation in the municipality of Almada. For this, a supervised object classification method was used without the use of automatic statistical classifiers and the quality of the final mapping was assessed by calculating the following thematic precision metrics: global precision, percentage of error, precision in the producer, precision in the user, commission error and omission error. Results with global precision > = 80% were considered satisfactory, and by theme, precision in the user and producer equally > = 80%. The overall accuracy was 81%, the error percentage 19% and the topics that met the precision requirements were: 11 Urban fabric (92%; 90%), 12 Industry, commerce and transport (81%; 96%), 141 Urban green spaces (93%; 95%) and the class “331 Beaches, dunes and sands” with user and producer precision of 79% and 87%, was included in the list, as only 1% of accuracy is missing in the user, but have its classification process capable of being automated.Tenedório, JoséRUNMartins, Cristiano Louriceira2021-05-21T17:30:53Z2021-03-252021-01-132021-03-25T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/118074TID:202707806porinfo: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:RCAAP2024-03-11T05:01:05Zoai:run.unl.pt:10362/118074Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:43:46.760852Repositório 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 |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI |
title |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI |
spellingShingle |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI Martins, Cristiano Louriceira Sentinel 2 MSI Análise de imagens Deteção remota Classificação supervisionada ao objeto Automatização Tipos de Uso e Ocupação de Solo Precisão temática Remote detection Supervised object classification Automation Types of Use and Land Occupation Thematic precision Domínio/Área Científica::Ciências Sociais::Geografia Económica e Social |
title_short |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI |
title_full |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI |
title_fullStr |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI |
title_full_unstemmed |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI |
title_sort |
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI |
author |
Martins, Cristiano Louriceira |
author_facet |
Martins, Cristiano Louriceira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Tenedório, José RUN |
dc.contributor.author.fl_str_mv |
Martins, Cristiano Louriceira |
dc.subject.por.fl_str_mv |
Sentinel 2 MSI Análise de imagens Deteção remota Classificação supervisionada ao objeto Automatização Tipos de Uso e Ocupação de Solo Precisão temática Remote detection Supervised object classification Automation Types of Use and Land Occupation Thematic precision Domínio/Área Científica::Ciências Sociais::Geografia Económica e Social |
topic |
Sentinel 2 MSI Análise de imagens Deteção remota Classificação supervisionada ao objeto Automatização Tipos de Uso e Ocupação de Solo Precisão temática Remote detection Supervised object classification Automation Types of Use and Land Occupation Thematic precision Domínio/Área Científica::Ciências Sociais::Geografia Económica e Social |
description |
O método de classificação ao objeto – Geographic Object-Based Image Analysis (GEOBIA) serviu para classificar, com recurso a dados Sentinel 2 MSI, os tipos de uso e ocupação de solo no município de Almada. Para isso foi utilizado um método de classificação supervisionado ao objeto sem recurso a classificadores estatísticos automáticos e a qualidade do mapeamento final, foi aferida pelo cálculo das seguintes métricas de precisão temática: precisão global, percentagem de erro, precisão no produtor, precisão no utilizador, erro de comissão e erro de omissão. Foram considerados como satisfatórios os resultados que apresentassem uma precisão global >= 80%, e por tema uma precisão no utilizador e produtor igualmente >= 80%. A precisão global foi 81%, a percentagem de erro 19% e os temas que cumpriram os requisitos de precisão foram: 11 Tecido urbano (92%; 90%), 12 Indústria, comércio e transportes (81%; 96%), 141 Espaços verdes urbanos (93%; 95%) e a classe “331 Praias, dunas e areais” com a precisão de utilizador e produtor de 79% e 87%, foi incluída na lista, por ter em falta apenas 1% de precisão no utilizador, mas ter o seu processo classificativo passível de ser automatizado. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-05-21T17:30:53Z 2021-03-25 2021-01-13 2021-03-25T00:00:00Z |
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/10362/118074 TID:202707806 |
url |
http://hdl.handle.net/10362/118074 |
identifier_str_mv |
TID:202707806 |
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_ |
1799138046570921984 |