Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/181043 |
Resumo: | Este estudo tem como objetivo a aplicação de técnicas de Análise de Imagens Baseada em Objetos Geográficos (GEOBIA), para a classificação da cobertura e uso da terra em um ortofotomosaico de altíssima resolução espacial (10 cm), composto por imagens obtidas por câmara fotográfica do visível (RGB), acoplada a um Veículo Aéreo Não Tripulado (VANT). O ortofotomosaico tem uma área retangular de 150 ha, localizada na região sudeste da Estação Experimental Agronômica da Universidade Federal do Rio Grande do Sul, situada no município de Eldorado do Sul - RS. Nesta ortofotomosaico foram delimitadas visualmente 8 classes, conforme o sistema de classificação do IBGE: Áreas urbanizadas; Culturas temporárias - Graníferas e cerealíferas; Culturas permanentes - Cultivos diversificados; Pastagens – Pecuária de animais de grande porte; Área florestal; Área campestre - Pecuária de animais de grande porte; Águas continentais - Captação para abastecimento; e Áreas descobertas. Posteriormente, o orfotomosaico foi segmentado por um método multiresolução, no programa eCognition, baseado no crescimento de regiões por agregação de pixels, com o uso de parâmetros como o fator de escala (150), forma (0,1) cor (0,9), suavidade (0,5) e compactação (0,5). A seguir, foram analisadas as características espaciais e espectrais dos objetos, a fim de elencar atributos que auxiliassem na associação de cada um destes a uma determinada classe de cobertura e uso da terra. Na coleta de amostras, foram definidas 21 classes na área de estudo, onde foram treinadas aproximadamente 20 amostras por classe, para atender o máximo de variabilidade interna de cada uma destas. A técnica de mineração de dados foi aplicada, através do uso de algoritmo de aprendizagem (J48), para explorar uma grande quantidade de dados à procura de padrões consistentes, auxiliando assim na descoberta de conhecimento. Foi empregada a mineração de dados para gerar uma árvore de decisão no programa Weka, capaz de representar de maneira mais assertiva a cobertura e uso da terra, onde foi possível modelar as classes, utilizando os limiares da árvore de decisão gerada. Para avaliar a precisão de classificação, foi comparada a imagem classificada pela árvore de decisão com a interpretada visualmente, que foi considerada como a verdade terrestre. Foi avaliada também a precisão da imagem reclassificada com 7 classes, agrupando todas as áreas da classe Pecuária de animais de grande porte. Os valores obtidos de índice Kappa foram 0,52 (bom) para a imagem de 8 classes e de 0,65 (muito bom) para a imagem de 7 classes, enquanto que a precisão global de classificação foi de 0,64 e 0,82, respectivamente. |
id |
UFRGS-2_553d4c6e73f8d63e1ac709c48fd7cc92 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/181043 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Caspar, Thiago NiedersbergMendes Junior, Claudio Wilson2018-08-16T02:38:29Z2018http://hdl.handle.net/10183/181043001064034Este estudo tem como objetivo a aplicação de técnicas de Análise de Imagens Baseada em Objetos Geográficos (GEOBIA), para a classificação da cobertura e uso da terra em um ortofotomosaico de altíssima resolução espacial (10 cm), composto por imagens obtidas por câmara fotográfica do visível (RGB), acoplada a um Veículo Aéreo Não Tripulado (VANT). O ortofotomosaico tem uma área retangular de 150 ha, localizada na região sudeste da Estação Experimental Agronômica da Universidade Federal do Rio Grande do Sul, situada no município de Eldorado do Sul - RS. Nesta ortofotomosaico foram delimitadas visualmente 8 classes, conforme o sistema de classificação do IBGE: Áreas urbanizadas; Culturas temporárias - Graníferas e cerealíferas; Culturas permanentes - Cultivos diversificados; Pastagens – Pecuária de animais de grande porte; Área florestal; Área campestre - Pecuária de animais de grande porte; Águas continentais - Captação para abastecimento; e Áreas descobertas. Posteriormente, o orfotomosaico foi segmentado por um método multiresolução, no programa eCognition, baseado no crescimento de regiões por agregação de pixels, com o uso de parâmetros como o fator de escala (150), forma (0,1) cor (0,9), suavidade (0,5) e compactação (0,5). A seguir, foram analisadas as características espaciais e espectrais dos objetos, a fim de elencar atributos que auxiliassem na associação de cada um destes a uma determinada classe de cobertura e uso da terra. Na coleta de amostras, foram definidas 21 classes na área de estudo, onde foram treinadas aproximadamente 20 amostras por classe, para atender o máximo de variabilidade interna de cada uma destas. A técnica de mineração de dados foi aplicada, através do uso de algoritmo de aprendizagem (J48), para explorar uma grande quantidade de dados à procura de padrões consistentes, auxiliando assim na descoberta de conhecimento. Foi empregada a mineração de dados para gerar uma árvore de decisão no programa Weka, capaz de representar de maneira mais assertiva a cobertura e uso da terra, onde foi possível modelar as classes, utilizando os limiares da árvore de decisão gerada. Para avaliar a precisão de classificação, foi comparada a imagem classificada pela árvore de decisão com a interpretada visualmente, que foi considerada como a verdade terrestre. Foi avaliada também a precisão da imagem reclassificada com 7 classes, agrupando todas as áreas da classe Pecuária de animais de grande porte. Os valores obtidos de índice Kappa foram 0,52 (bom) para a imagem de 8 classes e de 0,65 (muito bom) para a imagem de 7 classes, enquanto que a precisão global de classificação foi de 0,64 e 0,82, respectivamente.application/pdfporVeículo aéreo não tripuladoLevantamento topograficoAplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANTinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de GeociênciasPorto Alegre, BR-RS2018Engenharia Cartográficagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001064034.pdfTexto completoapplication/pdf45055460http://www.lume.ufrgs.br/bitstream/10183/181043/1/001064034.pdf4a0558d8322fbae0d074dae0d1b3c18aMD51TEXT001064034.pdf.txt001064034.pdf.txtExtracted Texttext/plain114404http://www.lume.ufrgs.br/bitstream/10183/181043/2/001064034.pdf.txt4d267477a570342c1c1c314c6fb77d1eMD52THUMBNAIL001064034.pdf.jpg001064034.pdf.jpgGenerated Thumbnailimage/jpeg1069http://www.lume.ufrgs.br/bitstream/10183/181043/3/001064034.pdf.jpgc01b531a3e7d8aa6323b1a132ba55313MD5310183/1810432018-10-05 07:38:54.22oai:www.lume.ufrgs.br:10183/181043Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-05T10:38:54Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT |
title |
Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT |
spellingShingle |
Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT Caspar, Thiago Niedersberg Veículo aéreo não tripulado Levantamento topografico |
title_short |
Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT |
title_full |
Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT |
title_fullStr |
Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT |
title_full_unstemmed |
Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT |
title_sort |
Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT |
author |
Caspar, Thiago Niedersberg |
author_facet |
Caspar, Thiago Niedersberg |
author_role |
author |
dc.contributor.author.fl_str_mv |
Caspar, Thiago Niedersberg |
dc.contributor.advisor1.fl_str_mv |
Mendes Junior, Claudio Wilson |
contributor_str_mv |
Mendes Junior, Claudio Wilson |
dc.subject.por.fl_str_mv |
Veículo aéreo não tripulado Levantamento topografico |
topic |
Veículo aéreo não tripulado Levantamento topografico |
description |
Este estudo tem como objetivo a aplicação de técnicas de Análise de Imagens Baseada em Objetos Geográficos (GEOBIA), para a classificação da cobertura e uso da terra em um ortofotomosaico de altíssima resolução espacial (10 cm), composto por imagens obtidas por câmara fotográfica do visível (RGB), acoplada a um Veículo Aéreo Não Tripulado (VANT). O ortofotomosaico tem uma área retangular de 150 ha, localizada na região sudeste da Estação Experimental Agronômica da Universidade Federal do Rio Grande do Sul, situada no município de Eldorado do Sul - RS. Nesta ortofotomosaico foram delimitadas visualmente 8 classes, conforme o sistema de classificação do IBGE: Áreas urbanizadas; Culturas temporárias - Graníferas e cerealíferas; Culturas permanentes - Cultivos diversificados; Pastagens – Pecuária de animais de grande porte; Área florestal; Área campestre - Pecuária de animais de grande porte; Águas continentais - Captação para abastecimento; e Áreas descobertas. Posteriormente, o orfotomosaico foi segmentado por um método multiresolução, no programa eCognition, baseado no crescimento de regiões por agregação de pixels, com o uso de parâmetros como o fator de escala (150), forma (0,1) cor (0,9), suavidade (0,5) e compactação (0,5). A seguir, foram analisadas as características espaciais e espectrais dos objetos, a fim de elencar atributos que auxiliassem na associação de cada um destes a uma determinada classe de cobertura e uso da terra. Na coleta de amostras, foram definidas 21 classes na área de estudo, onde foram treinadas aproximadamente 20 amostras por classe, para atender o máximo de variabilidade interna de cada uma destas. A técnica de mineração de dados foi aplicada, através do uso de algoritmo de aprendizagem (J48), para explorar uma grande quantidade de dados à procura de padrões consistentes, auxiliando assim na descoberta de conhecimento. Foi empregada a mineração de dados para gerar uma árvore de decisão no programa Weka, capaz de representar de maneira mais assertiva a cobertura e uso da terra, onde foi possível modelar as classes, utilizando os limiares da árvore de decisão gerada. Para avaliar a precisão de classificação, foi comparada a imagem classificada pela árvore de decisão com a interpretada visualmente, que foi considerada como a verdade terrestre. Foi avaliada também a precisão da imagem reclassificada com 7 classes, agrupando todas as áreas da classe Pecuária de animais de grande porte. Os valores obtidos de índice Kappa foram 0,52 (bom) para a imagem de 8 classes e de 0,65 (muito bom) para a imagem de 7 classes, enquanto que a precisão global de classificação foi de 0,64 e 0,82, respectivamente. |
publishDate |
2018 |
dc.date.accessioned.fl_str_mv |
2018-08-16T02:38:29Z |
dc.date.issued.fl_str_mv |
2018 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/181043 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001064034 |
url |
http://hdl.handle.net/10183/181043 |
identifier_str_mv |
001064034 |
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 Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/181043/1/001064034.pdf http://www.lume.ufrgs.br/bitstream/10183/181043/2/001064034.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/181043/3/001064034.pdf.jpg |
bitstream.checksum.fl_str_mv |
4a0558d8322fbae0d074dae0d1b3c18a 4d267477a570342c1c1c314c6fb77d1e c01b531a3e7d8aa6323b1a132ba55313 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224555427004416 |