Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ)

• Autor(a) principal: Carvalho, Marcus Vinícius Alves de
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/28398
• topic: Sensoriamento Remoto; Superfícies Impermeáveis; GEOBIA; Mineração de Dados Geográficos; Sensoriamento remoto; Geoprocessamento; Geotecnologia ambiental; Remotes Sensing; Impervious Surfaces; GOBIA; Geographic Data Mining

O Sensoriamento Remoto é um importante arcabouço tecno-metodológico aplicado a diferentes áreas do conhecimento, entre as quais a Geografia. Tal importância se justifica por sua capacidade de obtenção de informações georreferenciadas, para diferentes escalas, sobre objetos e fenômenos variados que compõem a superfície terrestre. O monitoramento dos ambientes naturais e antropizados por satélites artificiais feito de forma sinóptica e ágil auxiliando consideravelmente no planejamento e gestão ambiental. Estas imagens provenientes dos sensores remotos possibilitam através do Processamento Digital de Imagens (PDI)a geração de mais informações, tais como os Índices Espectrais e as Imagens Transformadas que destacam certos objetos na superfície terrestre. Em função da existência de consideráveis acervos gratuitos de imagens orbitais que estão online, é possível realizar a Detecção de Mudanças (ramo do PDI) que possibilita a qualificação e quantificação das alterações nas características da cobertura da terra ao longo do tempo. Desta forma, este trabalho de pesquisa avaliou a adoção de imagens da série LANDSAT correspondentes aos anos de 1985, 1995, 2005 e 2015. Para tal analisou três diferentes índices espectrais (NDVI, NDWI E NDBI) e três diferentes imagens Transformadas (PCA, MNF E IHS) integradas á técnicas de classificação por Mineração de Dados (CART, KNN, BAYES, Random Tree e SVM) e GEOBIA para separar as superfícies impermeáveis. Chegou-se a conclusão que o melhor método foi a PCA classificada pelo CART. Em relação à detecção de mudanças, a mesma foi realizada de híbrida, ou seja, partiu-se da análise por pixels para posteriormente aplicar-se a por objetos geográficos. Foram avaliados os métodos CVA, MAD E MAGDIFF. O que apresentou melhor desempenho foi o CVA integrado ao CART. Destaca-se que a compreensão da dinâmica das superfícies impermeáveis é de fundamental importância para o planejamento e gestão ambiental das sociedades.