Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG

Detalhes bibliográficos
Autor(a) principal: Custodio, Andressa Lana Bueno
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFU
Texto Completo: https://repositorio.ufu.br/handle/123456789/30858
Resumo: UFU - Universidade Federal de Uberlândia
id UFU_910941d30d2bf66318bd051a455bb2a2
oai_identifier_str oai:repositorio.ufu.br:123456789/30858
network_acronym_str UFU
network_name_str Repositório Institucional da UFU
repository_id_str
spelling Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MGRandon ForestÍndices de VegetaçãoGoogle Earth Engine.CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIASUFU - Universidade Federal de UberlândiaTrabalho de Conclusão de Curso (Graduação)O mapeamento do uso e ocupação do solo tornou-se importante para a compreensão dos padrões de disposição do espaço, contribuindo para o planejamento e gestão de áreas, além de auxiliar na fiscalização de áreas protegidas. A crescente dos avanços tecnológicos tem aumentado cada vez mais volume de dados que estão sendo atualizados diariamente por várias agências governamentais como a NASA, USGS e NOAA, bem como a Agência Espacial Europeia. Com o intuito de criar uma plataforma capaz de processar esse grande volume de dados foi implementada a plataforma Google Earth Engine onde o objetivo principal foi ajudar pesquisadores brasileiros no monitoramento de desmatamento na Amazônia .Este trabalho tem como objetivo a implementação de um algoritmo capaz de classificar o uso e cobertura da Terra a partir de séries temporais de imagens de satélites utilizando o Classificador Randon Forest através da plataforma GEE para o Município de Monte Carmelo pertencente ao estado de Minas Gerais utilizando a linguagem JavaScript.. O classificador é o mais utilizado dentro da plataforma e constatou-se um melhor desempenho e exatidão em comparação aos outros. O método Random Forest consiste em um conjunto de árvores de decisão geradas dentro de um mesmo objeto. Cada conjunto de árvores passa por um mecanismo de votação, que indica a classificação mais votada que se encontra nos nós terminais das mesmas. Foi utilizado um grande número de imagens vencendo o obstáculo da presença de nuvens na região. A aplicação do algoritmo Random Forest mostrou-se muito eficaz no mapeamento do uso e cobertura da Terra, obtendo a acurácia das classificações no intervalo de 72,6% a 82,6% e tendo de acordo com os resultados dos Índices Kappa um grau de acordo Substancial; a classificação que obteve o melhor resultado foi utilizando a mediana, máximo, mínimo das bandas do vermelho, verde, azul, infravermelho, infravermelho próximo 1 e 2, NDVI, EVI e SAVI das imagens Landsat e Sentinel 2. Houve confusão do classificador para as classes de área urbana e cultura, porem o algoritmo teve um bom funcionamento sendo possível a realização de atividades de mapeamento e monitoramento de forma continua na região, sem custo, utilizando-se da plataforma computacional do seu poder de processamento e da base de dados constantemente atualizada a custo zero. O classificador foi treinado com as imagens referente ao ano de 2019 para aproximar-se da assinatura espectral de cada classe não se restringindo para classificação apenas do ano em questão.Universidade Federal de UberlândiaBrasilEngenharia de Agrimensura e CartográficaLuz, Naíssa Batista daGallis, Rodrigo Bezerra de Araújohttp://lattes.cnpq.br/9328058090596916Gallis, Rodrigo Bezerra de AraújoLuz , Naíssa Batista daFerreira, Ricardo VicenteCustodio, Andressa Lana Bueno2020-12-28T16:00:20Z2020-12-28T16:00:20Z2020-12-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfCUSTODIO, Andressa Lana Bueno. Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG. 2019. 53 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) - Universidade Federal de Uberlândia, Monte Carmelo, 2020.https://repositorio.ufu.br/handle/123456789/30858porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2020-12-29T06:16:28Zoai:repositorio.ufu.br:123456789/30858Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2020-12-29T06:16:28Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false
dc.title.none.fl_str_mv Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
title Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
spellingShingle Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
Custodio, Andressa Lana Bueno
Randon Forest
Índices de Vegetação
Google Earth Engine.
CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS
title_short Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
title_full Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
title_fullStr Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
title_full_unstemmed Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
title_sort Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
author Custodio, Andressa Lana Bueno
author_facet Custodio, Andressa Lana Bueno
author_role author
dc.contributor.none.fl_str_mv Luz, Naíssa Batista da
Gallis, Rodrigo Bezerra de Araújo
http://lattes.cnpq.br/9328058090596916
Gallis, Rodrigo Bezerra de Araújo
Luz , Naíssa Batista da
Ferreira, Ricardo Vicente
dc.contributor.author.fl_str_mv Custodio, Andressa Lana Bueno
dc.subject.por.fl_str_mv Randon Forest
Índices de Vegetação
Google Earth Engine.
CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS
topic Randon Forest
Índices de Vegetação
Google Earth Engine.
CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS
description UFU - Universidade Federal de Uberlândia
publishDate 2020
dc.date.none.fl_str_mv 2020-12-28T16:00:20Z
2020-12-28T16:00:20Z
2020-12-11
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 CUSTODIO, Andressa Lana Bueno. Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG. 2019. 53 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) - Universidade Federal de Uberlândia, Monte Carmelo, 2020.
https://repositorio.ufu.br/handle/123456789/30858
identifier_str_mv CUSTODIO, Andressa Lana Bueno. Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG. 2019. 53 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) - Universidade Federal de Uberlândia, Monte Carmelo, 2020.
url https://repositorio.ufu.br/handle/123456789/30858
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.publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Engenharia de Agrimensura e Cartográfica
publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Engenharia de Agrimensura e Cartográfica
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFU
instname:Universidade Federal de Uberlândia (UFU)
instacron:UFU
instname_str Universidade Federal de Uberlândia (UFU)
instacron_str UFU
institution UFU
reponame_str Repositório Institucional da UFU
collection Repositório Institucional da UFU
repository.name.fl_str_mv Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)
repository.mail.fl_str_mv diinf@dirbi.ufu.br
_version_ 1805569729255964672

Registros relacionados