Detecção de mudanças na mancha urbana de Monte Carmelo - MG utilizando imagens multiespectrais

• Autor(a) principal: Gomes, Alexandre Fleury de Siqueira e
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFU
• Texto Completo: https://repositorio.ufu.br/handle/123456789/25435
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO; Mancha urbana do município; Sensoriamento remoto; Imagens de alta resolução espacial; Detecção de mudanças; Segmentação; Redes neurais artificiais

Monte Carmelo é um munícipio brasileiro do estado de Minas Gerais, que tem tradicionalmente a atividade econômica ligada à produção de telhas, tijolos, artefatos cerâmicos e na produção de café. Em 2011, o campus avançado da Universidade Federal de Uberlândia se instalou na cidade, onde hoje já são ministrados cinco cursos de bacharelado. Devido a estes fatores ocorreu um crescimento na mancha urbana do munícipio, que já é uma realidade para os moradores, porém precisa ser monitorada e analisada as necessidades de infraestrutura urbana, equipamentos sociais, serviços, entre outros componentes que compõe o plano diretor municipal. Neste sentido, estudar a intensidade da expansão é fundamental para o planejamento e articulação de políticas públicas. Dentro desta conjuntura, o uso de imagens orbitais com alta resolução espacial é uma alternativa viável e eficiente, sendo uma opção estratégica que economiza recursos financeiros, pois a partir delas é possível estimar o crescimento da mancha urbana de forma precisa. As imagens de satélites cobrem áreas extensas com uma resolução temporal regular, possibilitando obter informações espaciais e temporais de diversos alvos, muito utilizado nos estudos de detecção de mudanças. Sendo assim, o objetivo deste trabalho é analisar e quantificar o crescimento da malha urbana de Monte Carmelo, utilizando uma série temporal de imagens RapidEye, de 2011 até 2018. Para tanto foram utilizadas técnicas de pré-processamento dos dados multiespectrais, tais como: correção geométrica, correção atmosférica e calibração radiométrica. Após as influências dos erros serem minimizados e modeladas a próxima etapa foi a de classificação das imagens, sendo que o objetivo era buscar uma maneira de destacar a mancha urbana dos demais elementos da imagem, utilizou-se dois métodos de classificação: Segmentação de imagens e Redes Neurais Artificiais. No processo de segmentação de imagens foi criado uma equação, através das análises dos histogramas, que consegue segmentar a parte urbana da imagem.