Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ)
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFF-2_2d9beb66216c9e44e50c710b571ab633 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/28398 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ)Sensoriamento RemotoSuperfícies ImpermeáveisGEOBIAMineração de Dados GeográficosSensoriamento remotoGeoprocessamentoGeotecnologia ambientalRemotes SensingImpervious SurfacesGOBIAGeographic Data MiningO 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.Remote Sensing is an important techno-methodological framework applied to different areas of knowledge, including geography. Such importance is justified by its ability to obtain georeferenced information, for different scales, on objects and varied phenomena that make up the terrestrial surface. The monitoring of the natural environments and anthropized by artificial satellites done in a synoptic and agile way assisting considerably in the planning and environmental management. These images from the remote sensors enable through Digital Image Processing (PDI) the generation of more information, such as Spectral Indexes and Transformed Images that highlight certain objects on the Earth's surface. Due to the existence of considerable free collections of orbital images that are online, it is possible to carry out the Change Detection (branch of the PDI) that allows the qualification and quantification of changes in the characteristics of the land cover over time. For this purpose, we analyzed three different spectral indices (NDVI, NDWI and NDBI) and three different transformed images (PCA, MNF) and IHS) integrated with Data Mining classification techniques (CART, KNN, BAYES, Random Tree and SVM) and GEOBIA to separate the impermeable surfaces. It was concluded that the best method was the PCA classified by CART. In relation to the detection of changes, it was carried out in a hybrid way, that is, it started from the pixel analysis to later apply to geographic objects. The CVA, MAD and MAGDIFF methods were evaluated. The one that presented better performance was the CVA integrated to the CART. It should be stressed that understanding the dynamics of impermeable surfaces is of fundamental importance for the environmental planning and management of societies.214 p.Vicens, Raúl SánchezCruz, Carla Bernadete MadureiraFrancisco, Cristiane NunesSouza, Elizabeth Maria Feitosa da Rocha deRichter, MonikaCarvalho, Marcus Vinícius Alves de2023-03-29T16:19:54Z2023-03-29T16:19:54Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfCARVALHO, Marcus Vinícius Alves de. Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ). 2018. 214 f. Tese (Doutorado em Geografia) – Programa de Pós-Graduação em Geografia, Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2018.http://app.uff.br/riuff/handle/1/28398CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-03-29T16:19:58Zoai:app.uff.br:1/28398Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202023-03-29T16:19:58Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ) |
title |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ) |
spellingShingle |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ) Carvalho, Marcus Vinícius Alves de Sensoriamento Remoto Superfícies Impermeáveis GEOBIA Mineração de Dados Geográficos Sensoriamento remoto Geoprocessamento Geotecnologia ambiental Remotes Sensing Impervious Surfaces GOBIA Geographic Data Mining |
title_short |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ) |
title_full |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ) |
title_fullStr |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ) |
title_full_unstemmed |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ) |
title_sort |
Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ) |
author |
Carvalho, Marcus Vinícius Alves de |
author_facet |
Carvalho, Marcus Vinícius Alves de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Vicens, Raúl Sánchez Cruz, Carla Bernadete Madureira Francisco, Cristiane Nunes Souza, Elizabeth Maria Feitosa da Rocha de Richter, Monika |
dc.contributor.author.fl_str_mv |
Carvalho, Marcus Vinícius Alves de |
dc.subject.por.fl_str_mv |
Sensoriamento Remoto Superfícies Impermeáveis GEOBIA Mineração de Dados Geográficos Sensoriamento remoto Geoprocessamento Geotecnologia ambiental Remotes Sensing Impervious Surfaces GOBIA Geographic Data Mining |
topic |
Sensoriamento Remoto Superfícies Impermeáveis GEOBIA Mineração de Dados Geográficos Sensoriamento remoto Geoprocessamento Geotecnologia ambiental Remotes Sensing Impervious Surfaces GOBIA Geographic Data Mining |
description |
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. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-03-29T16:19:54Z 2023-03-29T16:19:54Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
CARVALHO, Marcus Vinícius Alves de. Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ). 2018. 214 f. Tese (Doutorado em Geografia) – Programa de Pós-Graduação em Geografia, Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2018. http://app.uff.br/riuff/handle/1/28398 |
identifier_str_mv |
CARVALHO, Marcus Vinícius Alves de. Classificação digital híbrida aplicada ao monitoramento e análise das superfícies impermeáveis na região metropolitana do Rio de Janeiro (RJ). 2018. 214 f. Tese (Doutorado em Geografia) – Programa de Pós-Graduação em Geografia, Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2018. |
url |
http://app.uff.br/riuff/handle/1/28398 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1807838779668430848 |