Avaliação de erros de alocação de modelos de mudanças de uso e cobertura da terra na Amazônia

• Ano de defesa: 2013
• Autor(a) principal: Luiz Gustavo Diniz de Oliveira Veras
• Orientador(a): Gilberto Câmara
• Banca de defesa: Lúbias Vinhas, José Alberto Quintanilha
• 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 Computação Aplicada
• País: BR
• Resumo em Inglês: This work introduces a new methodology to measure allocation errors of land use cover and change models, evaluating allocation changes of estimates, to examine how models results fit to real changes in space and time. The measures of spatial error are known as goodness-of-fitness metrics. Furthermore, the methodologies from literature work with just one moment of time, and do not include changes between steps of simulations, where this changes can be on different conditions and constraints. Nowadays, a large amount of data is available by public spatial institutions allowing computation of models error at different time steps. The tests with the new metric were implemented with TerraME framework, a dynamic spatial engine to manipulate and store spatial data. Three models of Legal Amazon deforestation were used to test the new metric, using PRODES system data as reference to compute errors. The methodology is applied to different time steps and total increment from time period considered. The time extent considered is 2003 to 2011. The data is represented by cellular spaces with 25 x 25Km$^{2}$ resolution. This work aims to reinforce the importance of goodness-of-fit in spatial models quality and modeling.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m19/2013/05.21.17.46

Este trabalho apresenta uma metodologia de estimativa de erros de alocação de modelos de uso e cobertura da terra. Esse método foca no submodelo de alocação dos modelos LUCC (Land Use Cover and Change) top-down, agregando as diferenças entre as células de espaços celulares para calcular os erros. Nessa metodologia, mapas anuais são agregados com o objetivo de expressar o erro de um modelo para o incremento de um intervalo de tempo. As principais metodologias de medidas de erros espaciais, também conhecidas como \textit{goodness-of-fit}, consideram somente um instante de tempo em suas comparações, quase sempre não verificando essas mudanças em diferentes momentos, que podem estar sobre diferentes restrições e condições. Com a maior disponibilidade de dados temporais por órgãos e instituições de pesquisas espaciais, fica viável a aplicação dessas metodologias a diversos instantes de tempo de simulação e o cálculo dos erros correspondentes ao intervalo de tempo desses instantes. A metodologia para a estimativa do erro de alocação foi implementada no \textit{framework} de modelagem espacial chamado TerraME, que fornece funções de leitura e manipulação de banco de dados espaciais. Como exemplo de aplicação, três diferentes modelos que simulam o desmatamento na Amazônia Legal são verificados, utilizando os dados do programa PRODES como fonte de referência para as comparações. Os dados utilizados são representados como espaço celular, com células de resolução 25 x 25km$^{2}$. Mapas anuais são apresentados na resolução temporal de um ano para o intervalo de 2003 a 2011. Este trabalho busca refletir a importância das métricas de qualidade no desenvolvimento e elevação da qualidade de modelos LUCC.