Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRRJ |
Texto Completo: | https://rima.ufrrj.br/jspui/handle/20.500.14407/3029 |
Resumo: | O uso da tecnologia LiDAR tem se consolidado como ferramenta capaz de aumentar a acurácia dos levantamentos no campo das geociências, bem como de estudos da estrutura da floresta.O objetivo deste trabalho foi comparar três algorítmos utilizados para a extração de pontos LiDAR referente ao terreno para a geração de modelos digitais de terrenos (MDTs) em cinco ambientes diferentes. Os Algorítmos implementados nas ferramentas Groundfilter, MCC Filter e LASground foram comparados nos ambientes urbano (Boulder Creek Critical Zone Observatory – Colorado), desértico (Modeling of Meander Channel Evolution – Nevada), Florestal (Moscow Mountain – Idaho), agrícola (New Madrid Seismic Zone – Arkansas/Missouri), e arbustivo (Sierra National Forest – Califórnia), todos no território americano. Os dados foram adquiridos pelo portal OpenTopography. Para cada ambiente foram recortadas três áreas de 200 x 200 m e gerado um MDT por filtro para cada área, totalizando 45 MDTs com resolução de 1 x 1 m. Com auxílio do ArcGIS 10.2 foram gerados mapas, histogramas de frequência das elevações e estatisticas da diferença entre os MDTS de cada área. O algorítmo implementado na ferramenta LASground se destacou entre os algorítmos com MDTs com menos defeitos (outliers negativos e/ou positivos), seguido pelo do algorítmo implementado no Groundfilter. O algorítmo do MCC filter foi o algorítmo como mais defeitos associado à presença de outliers. Porém, todos se apresentaram satisfatórios para a maior parte das áreas testadas, com pequenos defeitos a serem editados manualmente. A área urbana foi a mais problemática, onde as edificações foram ineficientemente removidas para as áreas um e dois. |
id |
UFRRJ-1_4d197fc68a251ac139e497fcee4a0c51 |
---|---|
oai_identifier_str |
oai:rima.ufrrj.br:20.500.14407/3029 |
network_acronym_str |
UFRRJ-1 |
network_name_str |
Repositório Institucional da UFRRJ |
repository_id_str |
|
spelling |
Ribeiro, Uelison MateusMendonça, Bruno Araujo Furtado deSilva, Carlos AlbertoDelgado, Rafael CollMendonça, Bruno Araujo Furtado deSilva, Carlos Alberto2018-08-13T13:14:09Z2018-08-13T13:14:09Z2015-11-30https://rima.ufrrj.br/jspui/handle/20.500.14407/3029O uso da tecnologia LiDAR tem se consolidado como ferramenta capaz de aumentar a acurácia dos levantamentos no campo das geociências, bem como de estudos da estrutura da floresta.O objetivo deste trabalho foi comparar três algorítmos utilizados para a extração de pontos LiDAR referente ao terreno para a geração de modelos digitais de terrenos (MDTs) em cinco ambientes diferentes. Os Algorítmos implementados nas ferramentas Groundfilter, MCC Filter e LASground foram comparados nos ambientes urbano (Boulder Creek Critical Zone Observatory – Colorado), desértico (Modeling of Meander Channel Evolution – Nevada), Florestal (Moscow Mountain – Idaho), agrícola (New Madrid Seismic Zone – Arkansas/Missouri), e arbustivo (Sierra National Forest – Califórnia), todos no território americano. Os dados foram adquiridos pelo portal OpenTopography. Para cada ambiente foram recortadas três áreas de 200 x 200 m e gerado um MDT por filtro para cada área, totalizando 45 MDTs com resolução de 1 x 1 m. Com auxílio do ArcGIS 10.2 foram gerados mapas, histogramas de frequência das elevações e estatisticas da diferença entre os MDTS de cada área. O algorítmo implementado na ferramenta LASground se destacou entre os algorítmos com MDTs com menos defeitos (outliers negativos e/ou positivos), seguido pelo do algorítmo implementado no Groundfilter. O algorítmo do MCC filter foi o algorítmo como mais defeitos associado à presença de outliers. Porém, todos se apresentaram satisfatórios para a maior parte das áreas testadas, com pequenos defeitos a serem editados manualmente. A área urbana foi a mais problemática, onde as edificações foram ineficientemente removidas para as áreas um e dois.The LiDAR technology has been stablishedas a tool able to increase the accurace of surveys in the field of geosciences, as well as in studies of the forest structure. This work aims to compare three algorythm used in the extraction ground points to generate DTMs in five different land cover classes, as well as different point density. The Algorythms Groundfilter, MCC Filter and LASground were compared in urban (Boulder Creek Critical Zone Observatory – Colorado), desertic (Modeling of Meander Channel Evolution – Nevada), Forest (Moscow Mountain – Idaho), agricultural (New Madrid Seismic Zone – Arkansas/Missouri), and shrubby (Sierra National Forest – Califórnia) land cover types, all of them in the United States. All LiDAR data were available by the OpenTopography portal. Three 200 x 200 m areas were clipped for each land cover class and it was generated a DTM per filter per area, summing 45 DTMs with a 1 x 1 m spatial resolution. ArcGIS 10.2 was used to create maps, elevation frequency histograms, and the difference among the DTMs of each area. LASground highlighted with less blunders among the algorythms, followed by Groundfilter. MCC filter was the algorithm that generated more outliers among those studied in their default configuration. However, all of them presented to be satisfactory for most tested areas, with few blunders to be manually edited. The urban cover type was the most problematic, in which edifications were not efficiently removed in areas one and two.LIDARMDTMCCFusionLAStoolsFiltragem de pontosAlgoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportadoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisbachareladoporreponame:Biblioteca Digital de Teses e Dissertações da UFRRJinstname:Universidade Federal Rural do Rio de Janeiro (UFRRJ)instacron:UFRRJinfo:eu-repo/semantics/openAccessORIGINALMonografia Uelison.pdfMonografia Uelison.pdfapplication/pdf4592697https://rima.ufrrj.br/jspui/bitstream/20.500.14407/3029/1/Monografia%20Uelison.pdfa9cf89b587ca1318587127c06134b883MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://rima.ufrrj.br/jspui/bitstream/20.500.14407/3029/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTMonografia Uelison.pdf.txtMonografia Uelison.pdf.txtExtracted texttext/plain100356https://rima.ufrrj.br/jspui/bitstream/20.500.14407/3029/3/Monografia%20Uelison.pdf.txt8fdc0c006666cb843a18c5851598d78dMD53THUMBNAILMonografia Uelison.pdf.jpgMonografia Uelison.pdf.jpgGenerated Thumbnailimage/jpeg1243https://rima.ufrrj.br/jspui/bitstream/20.500.14407/3029/4/Monografia%20Uelison.pdf.jpg37939a3386e88c31fd458a4f98c58e55MD5420.500.14407/30292023-11-09 12:25:50.664oai:rima.ufrrj.br:20.500.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Biblioteca Digital de Teses e Dissertaçõeshttps://tede.ufrrj.br/PUBhttps://tede.ufrrj.br/oai/requestbibliot@ufrrj.br||bibliot@ufrrj.bropendoar:2023-11-09T15:25:50Biblioteca Digital de Teses e Dissertações da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ)false |
dc.title.pt_BR.fl_str_mv |
Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado |
title |
Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado |
spellingShingle |
Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado Ribeiro, Uelison Mateus LIDAR MDT MCC Fusion LAStools Filtragem de pontos |
title_short |
Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado |
title_full |
Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado |
title_fullStr |
Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado |
title_full_unstemmed |
Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado |
title_sort |
Algoritmos para geração de Modelos Digitais de Terreno (MDTs) a partir de dados lidar aerotransportado |
author |
Ribeiro, Uelison Mateus |
author_facet |
Ribeiro, Uelison Mateus |
author_role |
author |
dc.contributor.members.none.fl_str_mv |
Mendonça, Bruno Araujo Furtado de Silva, Carlos Alberto Delgado, Rafael Coll |
dc.contributor.author.fl_str_mv |
Ribeiro, Uelison Mateus |
dc.contributor.advisor1.fl_str_mv |
Mendonça, Bruno Araujo Furtado de Silva, Carlos Alberto |
contributor_str_mv |
Mendonça, Bruno Araujo Furtado de Silva, Carlos Alberto |
dc.subject.por.fl_str_mv |
LIDAR MDT MCC Fusion LAStools Filtragem de pontos |
topic |
LIDAR MDT MCC Fusion LAStools Filtragem de pontos |
description |
O uso da tecnologia LiDAR tem se consolidado como ferramenta capaz de aumentar a acurácia dos levantamentos no campo das geociências, bem como de estudos da estrutura da floresta.O objetivo deste trabalho foi comparar três algorítmos utilizados para a extração de pontos LiDAR referente ao terreno para a geração de modelos digitais de terrenos (MDTs) em cinco ambientes diferentes. Os Algorítmos implementados nas ferramentas Groundfilter, MCC Filter e LASground foram comparados nos ambientes urbano (Boulder Creek Critical Zone Observatory – Colorado), desértico (Modeling of Meander Channel Evolution – Nevada), Florestal (Moscow Mountain – Idaho), agrícola (New Madrid Seismic Zone – Arkansas/Missouri), e arbustivo (Sierra National Forest – Califórnia), todos no território americano. Os dados foram adquiridos pelo portal OpenTopography. Para cada ambiente foram recortadas três áreas de 200 x 200 m e gerado um MDT por filtro para cada área, totalizando 45 MDTs com resolução de 1 x 1 m. Com auxílio do ArcGIS 10.2 foram gerados mapas, histogramas de frequência das elevações e estatisticas da diferença entre os MDTS de cada área. O algorítmo implementado na ferramenta LASground se destacou entre os algorítmos com MDTs com menos defeitos (outliers negativos e/ou positivos), seguido pelo do algorítmo implementado no Groundfilter. O algorítmo do MCC filter foi o algorítmo como mais defeitos associado à presença de outliers. Porém, todos se apresentaram satisfatórios para a maior parte das áreas testadas, com pequenos defeitos a serem editados manualmente. A área urbana foi a mais problemática, onde as edificações foram ineficientemente removidas para as áreas um e dois. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015-11-30 |
dc.date.accessioned.fl_str_mv |
2018-08-13T13:14:09Z |
dc.date.available.fl_str_mv |
2018-08-13T13:14:09Z |
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 |
https://rima.ufrrj.br/jspui/handle/20.500.14407/3029 |
url |
https://rima.ufrrj.br/jspui/handle/20.500.14407/3029 |
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.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRRJ instname:Universidade Federal Rural do Rio de Janeiro (UFRRJ) instacron:UFRRJ |
instname_str |
Universidade Federal Rural do Rio de Janeiro (UFRRJ) |
instacron_str |
UFRRJ |
institution |
UFRRJ |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRRJ |
collection |
Biblioteca Digital de Teses e Dissertações da UFRRJ |
bitstream.url.fl_str_mv |
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/3029/1/Monografia%20Uelison.pdf https://rima.ufrrj.br/jspui/bitstream/20.500.14407/3029/2/license.txt https://rima.ufrrj.br/jspui/bitstream/20.500.14407/3029/3/Monografia%20Uelison.pdf.txt https://rima.ufrrj.br/jspui/bitstream/20.500.14407/3029/4/Monografia%20Uelison.pdf.jpg |
bitstream.checksum.fl_str_mv |
a9cf89b587ca1318587127c06134b883 8a4605be74aa9ea9d79846c1fba20a33 8fdc0c006666cb843a18c5851598d78d 37939a3386e88c31fd458a4f98c58e55 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ) |
repository.mail.fl_str_mv |
bibliot@ufrrj.br||bibliot@ufrrj.br |
_version_ |
1810108033307508736 |