Detalhes bibliográficos
| Ano de defesa: |
2012 |
| Autor(a) principal: |
Ulisses Denache Vieira Souza |
| Orientador(a): |
Hermann Johann Heinrich Kux |
| Banca de defesa: |
Teresa Gallotti Florenzano,
Antônio Cordeiro Feitosa |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Instituto Nacional de Pesquisas Espaciais (INPE)
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação do INPE em Sensoriamento Remoto
|
| Departamento: |
Não Informado pela instituição
|
| País: |
BR
|
| Resumo em Inglês: |
Urban areas are characteristic spaces under dynamic changes, with problems related to planning land use/land cover. Such areas are especially fragile when they are located in coastal regions with mangrove vegetation and dune ecosystems. Remote sensing information and data mining techniques allow the automatic extraction of important information for planning and urban management issues of such areas. Data processing of the new high resolution remote sensing satellite systems considers the GEOBIA paradigm. In this study data from the WorldView-2 satellite were used: bands red, green and blue in the visible spectrum and a near infrared band. Four new bands were added in this very high resolution sensor system, namely: coastal (400-450 nm), yellow (585-625 nm), red edge (705-745 nm) and near-Infrared-2 (860-1040 nm). The objective of this study was to evaluate the capability of these datasets for the classification of land use/land cover in urban coastal areas. Two test-sites were considered at the northern section of São Luís city (Maranhão State, Brazil). Initially, tests were made with a classification model, considering only those tools implemented at the InterIMAGE classification software (Tests AI and BI). For comparison purposes, a model was developed based on the results of data mining by decision tree, with a minimum number of leaves, which indicates the best thresholds and attributes to classify images. This model was adapted to the concept of the software InterIMAGE (Tests AII and BII). After a statistical evaluation, those classifications with the highest Kappa indices were considered, namely: Test AII (0.8354) and BII (0.8446). It was then possible to customize the attributes validated earlier in the land cover classification to the model used to map land use, obtaining \textit{Kappa} indices of 0.7924 for area A and 0.7631 for area B. |
| Link de acesso: |
http://urlib.net/sid.inpe.br/mtc-m19/2012/10.17.17.34
|
Resumo: |
As áreas urbanas caracterizam-se por ser um espaço em transformação, dinâmico e com problemas de ordenamento e de uso e ocupação do solo. Quando estas áreas urbanas estão localizadas em ambientes costeiros, se tornam ainda mais frágeis pela presença de ecossistemas como os manguezais e as dunas. A utilização dos dados de sensoriamento remoto aliados a técnicas de mineração de dados possibilitam a extração automática de importantes informações para o planejamento e a gestão urbana costeira. Para processamento e avaliação dos dados provenientes de novos sensores orbitais, utiliza-se conhecimento de GEOBIA. Neste trabalho foram utilizadas imagens do satélite WorldView-2 de alta resolução espacial, com uma banda pancromática (0,50m) e oito bandas multiespectrais: três bandas na faixa do visível (\textit{red, green e blue}) e a banda do infravermelho próximo (NIR), além das quatro novas bandas: \textit{coastal} (400-450 nm), \textit{yellow} (585-625 nm), \textit{red edge} (705-745 nm) e \textit{near-infrared-2} (860-1040 nm). O objetivo deste trabalho foi avaliar o uso dessas imagens aliadas a técnicas de mineração de dados para a classificação de uso e cobertura do solo urbano em áreas urbanas costeiras. Os procedimentos aplicados em duas áreas-testes no setor norte da cidade de São Luís, Ilha do Maranhão. Primeiramente, foi utilizado um modelo de classificação para as áreas-testes que considerava somente análise exploratória a partir das ferramentas implementadas no software InterIMAGE (Teste AI e BI). Para comparação foi elaborado um modelo com base nos resultados da mineração de dados por árvore de decisão com um número mínimo de folhas, indicava os melhores limiares e atributos para classificar as imagens, sendo este modelo adaptado à concepção do software InterIMAGE (Teste AII e BII). Através de avaliações estatísticas, foi possível optar pelas classificações com maior precisão que obtiveram índices \textit{Kappa} de 0,8354 (Teste AII) e 0,8446 (Teste BII) e assim customizar os atributos já validados na classificação da cobertura do solo ao modelo para mapear o uso do solo, obtendo-se índices Kappa de 0,7924 (Área A) e 0,7631 (Área B). |
