Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos

Detalhes bibliográficos
Autor(a) principal: Ruppenthal, Ana Caroline
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
Texto Completo: http://www.repositorio.jesuita.org.br/handle/UNISINOS/10086
Resumo: As Áreas Úmidas (AUs) são ecossistemas que possuem alta biodiversidade e produtividade, além de promoverem múltiplos serviços ecossistêmicos de importância global. No Rio Grande do Sul as AUs são conhecidas pelo termo local “banhados”. Estes ecossistemas, embora sejam amplamente reconhecidos, ainda são negligenciados e degradados. A Bacia Hidrográfica do Rio dos Sinos (BHRS) vêm sofrendo pressões antrópicas constantes que resultam na degradação das AUs devido, principalmente, ao aumento populacional que demanda áreas habitáveis. Neste contexto, é de extrema urgência a necessidade de elaborar estratégias de conservação das AUs na bacia hidrográfica. Por serem ecossistemas complexos devido as suas características de hidrologia, solo, vegetação e espectrais, o Sensoriamento Remoto (SR) se mostra como uma ferramenta eficiente na identificação e mapeamento das AUs, gerando subsídios para o poder público criar estratégias de proteção e fiscalização. Deste modo, esta dissertação teve como objetivos i) delimitar as AUs remanescentes da BHRS com uso de imagens centimétricas GeoEye-1 e SIG gratuito; ii) aferir as AUs com uso de Veículo Aéreo Não Tripulado (VANT); iii) propor um método para predizer bandas espectrais a partir de imagem RGB de resolução centimétrica por meio de Rede Neural Artificial (RNA), com o intuito de gerar uma imagem com alta resolução espacial e mais alta resolução espectral para posterior classificação de AUs; e iv) elaborar um guia de identificação de AUs da BHRS, com apresentação de um método de aferição dos indicadores de AUs em campo. Os resultados mostraram que o uso de imagens centimétricas eleva a precisão do mapeamento de AUs, sendo que uma área total de 93,11km² foi mapeada. A predição de bandas espectrais com uso de RNA foi capaz de gerar uma imagem com resolução espacial (2m) e espectral (RGB+NIR+RE 1,2,3,4 + SWIR 1 e 2). A imagem predita gerou uma melhor delimitação das AUs quando comparada a imagem bruta (RGB+NIR). Por fim, o Guia de Identificação de Banhados trouxe uma base científica e técnica para identificação das AUs em campo. Concluiu-se que os resultados deste trabalho servirão como subsídio para a complementação do planejamento ambiental da BHRS e a conservação das AUs remanescentes.
id USIN_c7e0a60d759e8c430d89b9e2d38747c6
oai_identifier_str oai:www.repositorio.jesuita.org.br:UNISINOS/10086
network_acronym_str USIN
network_name_str Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
repository_id_str
spelling 2021-09-10T20:05:18Z2021-09-10T20:05:18Z2021-08-19Submitted by Anna Barbara Alves Beraldine (annabarbara@unisinos.br) on 2021-09-10T20:05:18Z No. of bitstreams: 1 Ana Caroline Ruppenthal_.pdf: 11162569 bytes, checksum: dddb62385af5b9ecc2362bb9f6c761cb (MD5)Made available in DSpace on 2021-09-10T20:05:18Z (GMT). No. of bitstreams: 1 Ana Caroline Ruppenthal_.pdf: 11162569 bytes, checksum: dddb62385af5b9ecc2362bb9f6c761cb (MD5) Previous issue date: 2021-08-19As Áreas Úmidas (AUs) são ecossistemas que possuem alta biodiversidade e produtividade, além de promoverem múltiplos serviços ecossistêmicos de importância global. No Rio Grande do Sul as AUs são conhecidas pelo termo local “banhados”. Estes ecossistemas, embora sejam amplamente reconhecidos, ainda são negligenciados e degradados. A Bacia Hidrográfica do Rio dos Sinos (BHRS) vêm sofrendo pressões antrópicas constantes que resultam na degradação das AUs devido, principalmente, ao aumento populacional que demanda áreas habitáveis. Neste contexto, é de extrema urgência a necessidade de elaborar estratégias de conservação das AUs na bacia hidrográfica. Por serem ecossistemas complexos devido as suas características de hidrologia, solo, vegetação e espectrais, o Sensoriamento Remoto (SR) se mostra como uma ferramenta eficiente na identificação e mapeamento das AUs, gerando subsídios para o poder público criar estratégias de proteção e fiscalização. Deste modo, esta dissertação teve como objetivos i) delimitar as AUs remanescentes da BHRS com uso de imagens centimétricas GeoEye-1 e SIG gratuito; ii) aferir as AUs com uso de Veículo Aéreo Não Tripulado (VANT); iii) propor um método para predizer bandas espectrais a partir de imagem RGB de resolução centimétrica por meio de Rede Neural Artificial (RNA), com o intuito de gerar uma imagem com alta resolução espacial e mais alta resolução espectral para posterior classificação de AUs; e iv) elaborar um guia de identificação de AUs da BHRS, com apresentação de um método de aferição dos indicadores de AUs em campo. Os resultados mostraram que o uso de imagens centimétricas eleva a precisão do mapeamento de AUs, sendo que uma área total de 93,11km² foi mapeada. A predição de bandas espectrais com uso de RNA foi capaz de gerar uma imagem com resolução espacial (2m) e espectral (RGB+NIR+RE 1,2,3,4 + SWIR 1 e 2). A imagem predita gerou uma melhor delimitação das AUs quando comparada a imagem bruta (RGB+NIR). Por fim, o Guia de Identificação de Banhados trouxe uma base científica e técnica para identificação das AUs em campo. Concluiu-se que os resultados deste trabalho servirão como subsídio para a complementação do planejamento ambiental da BHRS e a conservação das AUs remanescentes.Wetlands are ecosystems that have high biodiversity and productivity, in addition to promoting multiple ecosystem services of global importance. In Rio Grande do Sul, wetlands are known by the local term “banhados”. These ecosystems, although widely recognized, are still neglected and degraded. The Rio dos Sinos Hydrographic Basin (BHRS) has been suffering constant anthropogenic pressures that result in the degradation of wetlands, mainly due to the population increase that demands habitable areas. In this context, the need to develop conservation strategies for wetlands in the hydrographic basin is extremely urgent. As they are complex ecosystems due to their hydrology, soil, vegetation and spectral characteristics, Remote Sensing (SR) is an efficient tool in the identification and mapping of wetlands, generating subsidies for the public authorities to create protection and inspection strategies. Thus, this dissertation aimed to i) delimit the remaining wetlands of the BHRS using centimetric images GeoEye-1 and free GIS; ii) measure wetlands using an Unmanned Aerial Vehicle (UAV); iii) to propose a method to predict spectral bands from a centimeter-resolution RGB image by means of Artificial Neural Network (ANN), in order to generate an image with high spatial resolution and higher spectral resolution for subsequent classification of wetlands; and iv) prepare a guide for identifying BHRS wetlands, presenting a method for measuring wetland indicators in the field. The results showed that the use of centimetric images increases the accuracy of wetland mapping, with a total area of 93.11km² being mapped. The prediction of spectral bands using ANN was able to generate an image with spatial (2m) and spectral resolution (RGB+NIR+RE 1,2,3,4 + SWIR 1 and 2). The predicted image generated a better delimitation of wetlands when compared to the raw image (RGB+NIR). Finally, the Wetlands Identification Guide provided a scientific and technical basis for identifying wetlands in the field. It was concluded that the results of this work will serve as a subsidy to complement the environmental planning of the BHRS and the conservation of the remaining wetlands.NenhumaRuppenthal, Ana Carolinehttp://lattes.cnpq.br/8005125320180346http://lattes.cnpq.br/6474240798904132Schulz, Uwe HorstUniversidade do Vale do Rio dos SinosPrograma de Pós-Graduação em BiologiaUnisinosBrasilEscola PolitécnicaPredição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos SinosACCNPQ::Ciências Biológicas::Biologia GeralÁreas úmidasSensoriamento remotoRedes neurais artificiaisInteligência artificialClassificação supervisionadaWetlandsRemote sensingArtificial neural networksArtificial intelligenceSupervised classificationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.repositorio.jesuita.org.br/handle/UNISINOS/10086info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)instname:Universidade do Vale do Rio dos Sinos (UNISINOS)instacron:UNISINOSORIGINALAna Caroline Ruppenthal_.pdfAna Caroline Ruppenthal_.pdfapplication/pdf11162569http://repositorio.jesuita.org.br/bitstream/UNISINOS/10086/1/Ana+Caroline+Ruppenthal_.pdfdddb62385af5b9ecc2362bb9f6c761cbMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82175http://repositorio.jesuita.org.br/bitstream/UNISINOS/10086/2/license.txt320e21f23402402ac4988605e1edd177MD52UNISINOS/100862021-09-10 17:20:42.2oai:www.repositorio.jesuita.org.br:UNISINOS/10086Ck5PVEE6IENPTE9RVUUgQVFVSSBBIFNVQSBQUsOTUFJJQSBMSUNFTsOHQQoKRXN0YSBsaWNlbsOnYSBkZSBleGVtcGxvIMOpIGZvcm5lY2lkYSBhcGVuYXMgcGFyYSBmaW5zIGluZm9ybWF0aXZvcy4KCkxpY2Vuw6dhIERFIERJU1RSSUJVScOHw4NPIE7Dg08tRVhDTFVTSVZBCgpDb20gYSBhcHJlc2VudGHDp8OjbyBkZXN0YSBsaWNlbsOnYSwgdm9jw6ogKG8gYXV0b3IgKGVzKSBvdSBvIHRpdHVsYXIgZG9zIGRpcmVpdG9zIGRlIGF1dG9yKSBjb25jZWRlIMOgIApVbml2ZXJzaWRhZGUgZG8gVmFsZSBkbyBSaW8gZG9zIFNpbm9zIChVTklTSU5PUykgbyBkaXJlaXRvIG7Do28tZXhjbHVzaXZvIGRlIHJlcHJvZHV6aXIsICB0cmFkdXppciAoY29uZm9ybWUgZGVmaW5pZG8gYWJhaXhvKSwgZS9vdSAKZGlzdHJpYnVpciBhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gKGluY2x1aW5kbyBvIHJlc3VtbykgcG9yIHRvZG8gbyBtdW5kbyBubyBmb3JtYXRvIGltcHJlc3NvIGUgZWxldHLDtG5pY28gZSAKZW0gcXVhbHF1ZXIgbWVpbywgaW5jbHVpbmRvIG9zIGZvcm1hdG9zIMOhdWRpbyBvdSB2w61kZW8uCgpWb2PDqiBjb25jb3JkYSBxdWUgYSBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgcG9kZSwgc2VtIGFsdGVyYXIgbyBjb250ZcO6ZG8sIHRyYW5zcG9yIGEgc3VhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbyAKcGFyYSBxdWFscXVlciBtZWlvIG91IGZvcm1hdG8gcGFyYSBmaW5zIGRlIHByZXNlcnZhw6fDo28uCgpWb2PDqiB0YW1iw6ltIGNvbmNvcmRhIHF1ZSBhIFNpZ2xhIGRlIFVuaXZlcnNpZGFkZSBwb2RlIG1hbnRlciBtYWlzIGRlIHVtYSBjw7NwaWEgYSBzdWEgdGVzZSBvdSAKZGlzc2VydGHDp8OjbyBwYXJhIGZpbnMgZGUgc2VndXJhbsOnYSwgYmFjay11cCBlIHByZXNlcnZhw6fDo28uCgpWb2PDqiBkZWNsYXJhIHF1ZSBhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gw6kgb3JpZ2luYWwgZSBxdWUgdm9jw6ogdGVtIG8gcG9kZXIgZGUgY29uY2VkZXIgb3MgZGlyZWl0b3MgY29udGlkb3MgCm5lc3RhIGxpY2Vuw6dhLiBWb2PDqiB0YW1iw6ltIGRlY2xhcmEgcXVlIG8gZGVww7NzaXRvIGRhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gbsOjbywgcXVlIHNlamEgZGUgc2V1IApjb25oZWNpbWVudG8sIGluZnJpbmdlIGRpcmVpdG9zIGF1dG9yYWlzIGRlIG5pbmd1w6ltLgoKQ2FzbyBhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gY29udGVuaGEgbWF0ZXJpYWwgcXVlIHZvY8OqIG7Do28gcG9zc3VpIGEgdGl0dWxhcmlkYWRlIGRvcyBkaXJlaXRvcyBhdXRvcmFpcywgdm9jw6ogCmRlY2xhcmEgcXVlIG9idGV2ZSBhIHBlcm1pc3PDo28gaXJyZXN0cml0YSBkbyBkZXRlbnRvciBkb3MgZGlyZWl0b3MgYXV0b3JhaXMgcGFyYSBjb25jZWRlciDDoCBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgCm9zIGRpcmVpdG9zIGFwcmVzZW50YWRvcyBuZXN0YSBsaWNlbsOnYSwgZSBxdWUgZXNzZSBtYXRlcmlhbCBkZSBwcm9wcmllZGFkZSBkZSB0ZXJjZWlyb3MgZXN0w6EgY2xhcmFtZW50ZSAKaWRlbnRpZmljYWRvIGUgcmVjb25oZWNpZG8gbm8gdGV4dG8gb3Ugbm8gY29udGXDumRvIGRhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbyBvcmEgZGVwb3NpdGFkYS4KCkNBU08gQSBURVNFIE9VIERJU1NFUlRBw4fDg08gT1JBIERFUE9TSVRBREEgVEVOSEEgU0lETyBSRVNVTFRBRE8gREUgVU0gUEFUUk9Dw41OSU8gT1UgCkFQT0lPIERFIFVNQSBBR8OKTkNJQSBERSBGT01FTlRPIE9VIE9VVFJPIE9SR0FOSVNNTyBRVUUgTsODTyBTRUpBIEEgU0lHTEEgREUgClVOSVZFUlNJREFERSwgVk9Dw4ogREVDTEFSQSBRVUUgUkVTUEVJVE9VIFRPRE9TIEUgUVVBSVNRVUVSIERJUkVJVE9TIERFIFJFVklTw4NPIENPTU8gClRBTULDiU0gQVMgREVNQUlTIE9CUklHQcOHw5VFUyBFWElHSURBUyBQT1IgQ09OVFJBVE8gT1UgQUNPUkRPLgoKQSBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgc2UgY29tcHJvbWV0ZSBhIGlkZW50aWZpY2FyIGNsYXJhbWVudGUgbyBzZXUgbm9tZSAocykgb3UgbyhzKSBub21lKHMpIGRvKHMpIApkZXRlbnRvcihlcykgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbywgZSBuw6NvIGZhcsOhIHF1YWxxdWVyIGFsdGVyYcOnw6NvLCBhbMOpbSBkYXF1ZWxhcyAKY29uY2VkaWRhcyBwb3IgZXN0YSBsaWNlbsOnYS4KBiblioteca Digital de Teses e Dissertaçõeshttp://www.repositorio.jesuita.org.br/oai/requestopendoar:2021-09-10T20:20:42Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)false
dc.title.pt_BR.fl_str_mv Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos
title Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos
spellingShingle Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos
Ruppenthal, Ana Caroline
ACCNPQ::Ciências Biológicas::Biologia Geral
Áreas úmidas
Sensoriamento remoto
Redes neurais artificiais
Inteligência artificial
Classificação supervisionada
Wetlands
Remote sensing
Artificial neural networks
Artificial intelligence
Supervised classification
title_short Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos
title_full Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos
title_fullStr Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos
title_full_unstemmed Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos
title_sort Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos
author Ruppenthal, Ana Caroline
author_facet Ruppenthal, Ana Caroline
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/8005125320180346
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6474240798904132
dc.contributor.author.fl_str_mv Ruppenthal, Ana Caroline
dc.contributor.advisor1.fl_str_mv Schulz, Uwe Horst
contributor_str_mv Schulz, Uwe Horst
dc.subject.cnpq.fl_str_mv ACCNPQ::Ciências Biológicas::Biologia Geral
topic ACCNPQ::Ciências Biológicas::Biologia Geral
Áreas úmidas
Sensoriamento remoto
Redes neurais artificiais
Inteligência artificial
Classificação supervisionada
Wetlands
Remote sensing
Artificial neural networks
Artificial intelligence
Supervised classification
dc.subject.por.fl_str_mv Áreas úmidas
Sensoriamento remoto
Redes neurais artificiais
Inteligência artificial
Classificação supervisionada
dc.subject.eng.fl_str_mv Wetlands
Remote sensing
Artificial neural networks
Artificial intelligence
Supervised classification
description As Áreas Úmidas (AUs) são ecossistemas que possuem alta biodiversidade e produtividade, além de promoverem múltiplos serviços ecossistêmicos de importância global. No Rio Grande do Sul as AUs são conhecidas pelo termo local “banhados”. Estes ecossistemas, embora sejam amplamente reconhecidos, ainda são negligenciados e degradados. A Bacia Hidrográfica do Rio dos Sinos (BHRS) vêm sofrendo pressões antrópicas constantes que resultam na degradação das AUs devido, principalmente, ao aumento populacional que demanda áreas habitáveis. Neste contexto, é de extrema urgência a necessidade de elaborar estratégias de conservação das AUs na bacia hidrográfica. Por serem ecossistemas complexos devido as suas características de hidrologia, solo, vegetação e espectrais, o Sensoriamento Remoto (SR) se mostra como uma ferramenta eficiente na identificação e mapeamento das AUs, gerando subsídios para o poder público criar estratégias de proteção e fiscalização. Deste modo, esta dissertação teve como objetivos i) delimitar as AUs remanescentes da BHRS com uso de imagens centimétricas GeoEye-1 e SIG gratuito; ii) aferir as AUs com uso de Veículo Aéreo Não Tripulado (VANT); iii) propor um método para predizer bandas espectrais a partir de imagem RGB de resolução centimétrica por meio de Rede Neural Artificial (RNA), com o intuito de gerar uma imagem com alta resolução espacial e mais alta resolução espectral para posterior classificação de AUs; e iv) elaborar um guia de identificação de AUs da BHRS, com apresentação de um método de aferição dos indicadores de AUs em campo. Os resultados mostraram que o uso de imagens centimétricas eleva a precisão do mapeamento de AUs, sendo que uma área total de 93,11km² foi mapeada. A predição de bandas espectrais com uso de RNA foi capaz de gerar uma imagem com resolução espacial (2m) e espectral (RGB+NIR+RE 1,2,3,4 + SWIR 1 e 2). A imagem predita gerou uma melhor delimitação das AUs quando comparada a imagem bruta (RGB+NIR). Por fim, o Guia de Identificação de Banhados trouxe uma base científica e técnica para identificação das AUs em campo. Concluiu-se que os resultados deste trabalho servirão como subsídio para a complementação do planejamento ambiental da BHRS e a conservação das AUs remanescentes.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-09-10T20:05:18Z
dc.date.available.fl_str_mv 2021-09-10T20:05:18Z
dc.date.issued.fl_str_mv 2021-08-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.repositorio.jesuita.org.br/handle/UNISINOS/10086
url http://www.repositorio.jesuita.org.br/handle/UNISINOS/10086
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.publisher.none.fl_str_mv Universidade do Vale do Rio dos Sinos
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Biologia
dc.publisher.initials.fl_str_mv Unisinos
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Escola Politécnica
publisher.none.fl_str_mv Universidade do Vale do Rio dos Sinos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
instname:Universidade do Vale do Rio dos Sinos (UNISINOS)
instacron:UNISINOS
instname_str Universidade do Vale do Rio dos Sinos (UNISINOS)
instacron_str UNISINOS
institution UNISINOS
reponame_str Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
collection Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
bitstream.url.fl_str_mv http://repositorio.jesuita.org.br/bitstream/UNISINOS/10086/1/Ana+Caroline+Ruppenthal_.pdf
http://repositorio.jesuita.org.br/bitstream/UNISINOS/10086/2/license.txt
bitstream.checksum.fl_str_mv dddb62385af5b9ecc2362bb9f6c761cb
320e21f23402402ac4988605e1edd177
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)
repository.mail.fl_str_mv
_version_ 1801844937666330624