ANÁLISE DE CLASSIFICAÇÃO DE IMAGEM RAPIDEYE POR MEIO DOS SOFTWARES INTERIMAGE E SPRING.
|
|
- Manuel Franca da Fonseca
- 8 Há anos
- Visualizações:
Transcrição
1 ANÁLISE DE CLASSIFICAÇÃO DE IMAGEM RAPIDEYE POR MEIO DOS SOFTWARES INTERIMAGE E SPRING. Classification Analysis of RapidEye Image Through the Softwares Spring and InterIMAGE. Andrea Amaziles Antunes Alves de Carvalho 1 Leandro da Silva Gregório 2 Marcos Roberto Farias Ferreira 3 Rodrigo de Souza Couto 4 Wallas Oliveira de Castro 5 Welber Ferreira Alves 6 Gilson O. A. Pinto Costa 7 Ricardo Seixas Brites 8 Edilson de Souza Bias 9 1,2,3,4,5 Instituto Brasília Ambiental - IBRAM/DF Superintendência de Estudos, Projetos e Programas.- SUPEM supem.ibram.df.gov@gmail.com 6 Agência Reguladora de Águas, Energia e Saneamento Básico do Distrito Federal - ADASA Superintendência de Recursos Hídricos - SRH welber.alves@adasa.df.gov.br 7 Pontifícia Universidade Católica do Rio de Janeiro PUC/RJ Departamento de Engenharia Elétrica - ELE Laboratório de Visão Computacional - LVC gilson@ele.puc-rio.br 8, 9 Universidade de Brasília - UnB Instituto de Geociências - IGD edbias@unb.br RESUMO O desenvolvimento tecnológico em sensoriamento remoto vem proporcionando um grande incremento na qualidade das imagens orbitais. Um exemplo notável é o satélite RapidEye que com a sua resolução espacial e temporal, passou a ser bastante atrativo para estudos ambientais no Brasil, mobilizando o Governo Federal para aquisição de imagens para suprir toda a cobertura do País. Apesar do extraordinário avanço, os métodos de classificação ainda sofrem muita influência da mistura espectral devido à variância inter- pixel observada nas imagens de alta resolução. Na busca de novas soluções, surgiram softwares que possibilitam a classificação de imagens com base em objetos, entre os quais destaca- se o ecognition e o InterIMAGE, que buscam facilitar a representação e processamento do conhecimento humano sobre as características específicas dos alvos de interesse. Estes sistemas são baseados em regras e árvores de decisão, representando o conhecimento do especialista. O presente trabalho teve como objetivo desenvolver uma análise do uso e ocupação do solo na Fazenda Boa Vista, localizada na porção oeste do Distrito Federal, na Região Administrativa de Planaltina, com uma área de 4.422,90 ha. Para tanto, foi utilizada uma imagem digital do satélite RapidEye obtida em 2011, e as classificações foram geradas utilizando os softwares SPRING e InterIMAGE, sendo que, na primeiro o método de classificação foi a MAXVER, e a outra com orientação a objeto. A comparação entre as duas classificações foi realizada visando identificar o melhor resultado. Em relação aos softwares utilizados percebeu- se que o InterIMAGE possui um grande potencial para classificação das imagens RapidEye e que seu resultado bruto, 1
2 sem nenhum tratamento da imagem, foi compatível com a classificação realizada no SPRING, no qual a imagem passou por procedimentos de pós- classificação. Palavras chaves, InterIMAGE, SPRING, Classificação, Orientação a Objeto ABSTRACT The technological development in the remote sensing field is allowing a large improvement in the quality of satellite imagery. A notable example is the RapidEye satellite that, with its spatial and temporal resolution, has become very attractive for environmental studies in Brazil, mobilizing the Federal Government to acquire images to cover the entire country. Despite the breakthrough, the classification methods are still very influenced by the spectral mixture due to the high inter-pixel variance observed in high resolution imagery. In the search for new solutions new software have emerged enabling the image classification based on objects. Among them the ecognition and InterIMAGE are highlighted, both seeking to facilitate the representation and processing of human knowledge on the specific characteristics of targets. These systems are based on rules and decision trees, representing the expert's knowledge. This study aimed at the developement and analysis of the use and occupation of the Fazenda Boa Vista, located in the western portion of the Federal District, in the Planaltina Administrative Region with an area of ha. A digital image of the RapidEye satellite acquired in 2011 was used, and the classifications were generated using the SPRING and InterIMAGE software. The first was used to generate a GML (Gaussian Maximum Likelihood) classification while the second performed the object oriented classification. A comparison between the two classifications was made to identify the best result. Considering the used software, it was realized that the InterIMAGE has great potential for the classification of RapidEye images and its final product, without any further image treatment besides the classification itself, was consistent with the SPRING classification, in which the image has undergone post classification procedures. Keywords: RapidEye, InterIMAGE, Classification, Object Orientation. 1. INTRODUÇÃO Entre os aspectos que se pode relacionar para os estudos de ocupação do solo, o mapeamento do uso da terra é um dos fundamentais, uma vez que possibilita, de um lado, a espacialização e a quantificação das diversas ocupações, dos elementos funcionais existentes e os seus reflexos no equilíbrio ambiental. De acordo com Bias et al. (2010) as imagens de sensoriamento remoto tornaram-se mais atrativas a partir da década de 1980, com o advento da segunda geração de satélites da série Landsat, portando um sensor de melhor resolução espacial (30 metros) e com o surgimento, em 1986, do satélite francês SPOT, com um módulo de imagens multiespectrais de resolução espacial de 20 metros e uma imagem pancromática com 10 metros. Mesmo sendo considerados sensores de média resolução espacial, a combinação com uma boa resolução espectral possibilitou de se fazer análises da complexidade do ambiente urbano, com maior fidelidade e identificação de um maior número de detalhes. Por sua vez, o uso de classificações supervisionadas com essas imagens mostrou ser um excelente método para estudos do planejamento urbano. Os produtos de sensoriamento remoto, principalmente com o advento das imagens de alta resolução espacial apresentaram uma nova perspectiva para as áreas de mapeamento, tanto pelo aspecto de resolução espacial, como pelo da resolução radiométrica. O alto nível de detalhe espacial, espectral e radiométrico das imagens produzidas pelas novas plataformas tem motivado o desenvolvimento de novos classificadores, uma vez que os tradicionais, desenvolvidos para imagens de média e baixas resoluções e que tinham como foco a classificação de pixels individuais, se mostraram pouco eficientes no reconhecimento automático dos alvos identificáveis nas imagens de alta resolução espacial hoje disponíveis (BLASCHKE & STROBL 2001; BLASCHKE et al. 2008). No que tange as novas plataformas orbitais, destaca-se a RapidEye, que opera seu próprio sistema, composto por cinco satélites de Sensoriamento Remoto, capazes de coletar imagens sobre grandes áreas, com alta capacidade de revisita. A componente espacial do sistema RapidEye encontra-se posicionada em órbita síncrona com o sol, com igual espaçamento entre cada satélite. Esta configuração permite estabelecer novos padrões de eficiência relacionados à repetitividade de coleta e a exatidão das informações geradas sobre a superfície da Terra, sendo capaz de produzir imagens de qualquer ponto do globo, em qualquer dia, todos os dias, e permite assumir uma postura pró-ativa ao capturar imagens de regiões relevantes e torná-las disponíveis mais rapidamente e com maior eficácia. A resolução espacial original de cada banda é de 6,5 metros, que após a ortorretificação, permitem uma resolução de 5m, resultando em imagens corrigidas com precisão de detalhes compatível com escala 1:25.000, Tabela 1. Os cinco satélites são equipados com sensor multiespectral composto de scanners de linha com pixels cada, capazes de capturar imagens em cinco bandas espectrais, com alcance de comprimento de onda entre 440 µm e 850 µm. É o primeiro sistema orbital a incluir a banda Red Edge, específica para o monitoramento da atividade fotossintética da vegetação, Tabela 2. 2
3 TABELA 1 - ESPECIFICAÇÕES TÉCNICAS GERAIS DOS SATÉLITES DO SISTEMA RAPIDEYE. Fonte: adaptado de RapidEye (2013). Número de Satélites 5 Altitude da Órbita 630 km, órbita síncrona com o Sol Hora de Passagem no Equador 11:00 hs (aproximadamente) Velocidade km/h Largura da Imagem 77 km Tempo de Revisita Diariamente (off-nadir); 5,5 Dias (nadir) Capacidade de Coleta 4,5 milhões de Km2/dia Tipo do Sensor Multiespectral (pushbroom imager) Bandas Espectrais 5 (Red, Green, Blue, Red-Edge, Near IR) Resolução Espacial (nadir) 6,5 m Tamanho do Pixel (ortorretificado) 5 m Armazenamento de Dados a Bordo km de dados de imagens por órbita Resolução Radiométrica 12 bits Velocidade de Download (banda X) 80 Mbps TABELA 2 BANDAS ESPECTRAIS DOS SATÉLITES DO SISTEMA RAPIDEYE µm Azul µm Verde µm Vermelho µm Red-Edge µm Infravermelho próximo Fonte: adaptado de RapidEye (2013). Na classificação baseada em objeto os pixels são inicialmente agrupados em segmentos, regiões homogêneas (de acordo com algum critério de homogeneidade) contíguas da imagem. Os segmentos são objetos primitivos aos quais o processo de classificação atribui classes (WALTER, 2004). Além de informações espectrais (média, desvio padrão, máximo, mínimo, etc.), os segmentos de uma imagem possuem uma grande quantidade de atributos adicionais que podem ser utilizados no processo de classificação: textura, forma, contexto, relações de vizinhança, etc. Neste trabalho o foram utilizados o pacote de software InterIMAGE sistema de código aberto, desenvolvido pelo Laboratório de Visão Computacional do Departamento de Engenharia Elétrica da Pontifícia Universidade Católica do Rio de Janeiro e pelas divisões de Processamento de Imagens e de Sensoriamento Remoto do Instituto Nacional de Pesquisas Espaciais (COSTA et al. 2008) e o Spring, que é um software brasileiro para Sistemas de Informações Geográficas (SIG) que teve seu berço no Instituto Nacional de Pesquisas Espaciais (INPE). O software faz parte de um projeto da Divisão de Processamento de Imagens (DPI) do INPE com a participação de outras entidades que contribuíram para o desenvolvimento de seu código e também apoiando financeiramente. Tendo como ferramentas os softwares InterIMAGE e SPRING e uma imagem RapidEye, o presente trabalho apresenta uma análise comparativa da classificação do uso e ocupação do solo, baseada nos processos de orientação a objeto (elaborada no software InterIMAGE) e pixel a pixel (elaborada no software SPRING). 2. ÁREA DE ESTUDO A Fazenda Boa Vista localiza-se na porção oeste do Distrito Federal, na Região Administrativa de Planaltina, e possui uma área de 4422,90 ha, figura 1. 2
4 3. MATERIAL E METODOS Fig.1- Fazenda Boa Vista Área de Estudo. 3.1 Material O presente trabalho apresenta uma análise do uso e ocupação do solo na Fazenda Boa Vista. Para tanto, foi utilizada uma imagem digital do satélite RapidEye obtida em 2011, tendo em vista que as imagens deste sensor são úteis para o mapeamento do uso e cobertura do solo para fins de monitoramento ambiental regional, utilizando-se os softwares SPRING e InterIMAGE. 3.2 Métodos Os procedimentos adotados para a classificação são apresentados no Fig. 2. Fig. 2 - Fluxograma de Procedimentos metodológicos. 3
5 3.2.1 Classificação da Imagem com o software SPRING Foi feita classificação "pixel a pixel" que utiliza apenas a informação espectral de cada pixel para encontrar regiões homogêneas. A técnica de classificação multiespectral foi a máxima verossimilhança (MAXVER). Nela é considerada a ponderação das distâncias entre médias dos níveis digitais das classes utilizando parâmetros estatísticos. As classes definidas de uso e ocupação das terras foram as seguintes: (a) Água (b) Antropizado (c) Veg. Campestre (d) Veg. Florestal (e) Veg. Savânica (f) Reflorestamento Após a definição das classes foram coletadas as amostras, etapa denominada treinamento no software, e procedeu-se a classificação. Antes da classificação propriamente dita, o Spring permite a análise das amostras coletadas para que seja verificada a matriz de confusão em cada classe temática. Feita a análise, partiu-se para a classificação por máxima verossimilhança (MAXVER), com limiar de aceitação de 99,9%, e por conseguinte três etapas sucessivas de pós-classificação com peso 1 e limiar 1. No Spring os resultados da classificação e de cada uma das etapas de pós-classificação são apresentados na forma de planos de informação (PIs), gerando um PI específico para cada uma das etapas processadas. Em função de limitações dos algoritmos de classificação e da variedade de comportamentos espectrais dos alvos na área de estudo, mesmo com a pós-classificação ocorreram erros de omissão e comissão. A omissão gera uma classe subestimada, visto que ocorre quando determinada feição espectral que deveria ser classificada em uma dada classe temática é classificada como pertencente a outra. Enquanto que o erro de comissão é o contrário, ou seja, a feição espectral é classificada como uma classe temática que não corresponde à realidade na superfície terrestre, sendo superestimada. Diante disso, é importante a habilidade e o conhecimento do intérprete. Cabe a ele melhorar os resultados obtidos no processamento digital, segundo critérios pré- estabelecidos. Então, após o processamento das etapas de classificação e pós-classificação foi realizada a edição matricial em cada uma das classes. A edição matricial é uma função que permite a intervenção direta do intérprete nos resultados obtidos no processamento digital, alterando eventuais erros de omissão ou comissão Classificação da Imagem com o software InterIMAGE As classificações baseadas em objetos foram feitas no software InterIMAGE v1.37. As classes definidas de uso e ocupação das terras foram as seguintes: (a) Água (b) Antropizado (c) Veg. Campestre (d) Veg. Florestal (e) Veg. Savânica (f) Reflorestamento A estruturação das redes semânticas para cada área-teste foi: Fig.3 - Rede Semântica. 4
6 A estratégia para classificação foi separar as classes duas a duas. Assim, procedeu-se a classificação da seguinte forma: Água e Terra: Índice NDWI (bandas Verde e Near IR) Operador TA_Arithmetic com os seguintes valores: b) Threshold Min 0.3 c) Threshold Max 1 d) Polygons Min Area 10 e) Dummy Value (no data) 0 f) Arithmetic Expression ( R0:1 R0:4 ) / ( R0:1 + R0:4 ) g) Morphological Filter Iterations 1 h) Reliability 0.5 i) Non-Class name Terra Para Terra: Antropizado e Natural Oeprador TA_Baatz_Segmenter com os seguintes valores: a1) Input Bands (comma separated) 0,1,2,3,4 a2) Input Weights (comma separated) 1,1,1,1,1 b) Compactness Weight 0.5 c) Color Weight 0.5 d) Scale Parameter 100 e) Use Optimization no f) Reliability 0.5 g) Euclidean Distance Threshold 20 Com a seguinte regra de decisão: Fig.4 - Regra de Decisão Para Classificação de Água e Terra. Para Natural: Vegetação Grande Porte e Vegetação Baixo Porte: Índice NDVI (bandas Near IR e Vermelho) Operador TA_Arithmetic com os seguintes valores: b) Threshold Min 0.3 c) Threshold Max 1 d) Polygons Min Area 100 e) Dummy Value (no data) 0 f) Arithmetic Expression ( R0:4 R0:2 ) / ( R0:4 + R0:2 ) g) Morphological Filter Iterations 1 h) Reliability 0.5 i) Non-Class name VegBaixo Para Vegetação Baixo Porte: Campestre e Savânica Operador TA_Baatz_Segmenter com os seguintes valores: a1) Input Bands (comma separated) 0,1,2,3,4 a2) Input Weights (comma separated) 1,1,1,1,1 5
7 b) Compactness Weight 0.7 c) Color Weight 0.3 d) Scale Parameter 80 e) Use Optimization no f) Reliability 0.5 g) Euclidean Distance Threshold 20 Fig.5 - Regra de Decisão Para Classificação de Vegetação de Grande Porte e Baixo Porte. Os limiares dos índices foram selecionados por meio das respostas encontradas no recurso Analysis Manager com a ferramenta Debug Mode ativa e com Breakpoint selecionado para TopDown. Isso permitiu o refinamento dos resultados por meio da análise de gráficos de histogramas. A classe savânica apresentou uma confusão ao misturar vegetação nativa arbustiva, com cultivos de frutíferas e outras culturas em estagio inicial. Foi testado reduzir o limiar no índice de NDVI para tentar separar esses elementos, porém o resultado não se mostrou positivo, pois a vegetação nativa estava sendo excluída da classe savânica ao apertar o limiar. Por isso optamos por executar uma classificação supervisionada para extrair as amostras de cultivos. Foi utilizado o operador TA_Baatz_Segmenter com os seguintes parâmetros: a1) Input Bands (comma separated) 0,1,2,3,4 a2) Input Weights (comma separated) 1,1,1,1,1 b) Compactness Weight 0.5 c) Color Weight 0.5 d) Scale Parameter 70 e) Use Optimization no f) Reliability 0.5 g) Euclidean Distance Threshold 20 Após coletar as amostras foi utilizado o operador TA_C45_Classifier, no nó antropizado. Após esse procedimento, foi observado que o sofware conseguiu separar bem as classes de cultivo na imagem e foi exportado o shape. 4. RESULTADOS E DISCUSSÃO Na classificação realizada no software SPRING, em função da limitação dos algoritmos de classificação e da variedade de comportamentos espectrais dos alvos na área de estudo, mesmo com a pós-classificação, ocorreram erros de omissão e comissão. A omissão gera uma classe subestimada, visto que ocorre quando determinada feição espectral que deveria ser classificada em uma dada classe temática é classificada como pertencente a outra. Enquanto que no erro de comissão a feição espectral é classificada como uma classe temática que não corresponde à realidade na superfície terrestre, sendo superestimada, demandando a habilidade e o conhecimento do intérprete. Desta forma, a etapa de pós-classificação foi realizada com a edição matricial em cada uma das classes. A edição matricial é uma função que permite a intervenção direta do intérprete nos resultados obtidos no processamento digital, alterando eventuais erros de omissão ou comissão. No software InterIMAGE, os limiares dos índices foram selecionados por meio das respostas encontradas no recurso Analysis Manager com a ferramenta Debug Mode ativa e com Breakpoint selecionado para TopDown. Isso permitiu o refinamento dos resultados por meio da análise de gráficos de histogramas. Das classificações desenvolvidas em ambos os softwares, foi possível apreciar os resultados (Figuras 6 e 7) e algumas comparações na Figura 8. 6
8 Fig. 6 - Classificação pixel a pixel feita no software SPRING. Fig. 7 - Classificação orientada a objeto feita no software InterIMAGE 7
9 Fig. 8 - Comparação de algumas classes InterIMAGE versus SPRING. 8
10 Em relação aos softwares utilizados percebe-se que ambos são excelentes classificadores, mas exigem conhecimento do operador tanto com relação à área a ser classificada quanto do sensor do imageamento, para que o trabalho seja o mais fidedigno possível. Ressalta-se que no presente trabalho foi efetuada a análise das ferramentas de classificação com uso do software SPRING em que foi feito edição matricial das classes, enquanto a classificação no InterIMAGE não foi feito nenhum tratamento de pós-classificação. Este procedimento pode favorecer o resultado do SPRING, se a análise não levar em consideração esse aspecto. Contudo, neste trabalho, observou-se esse aspecto, e decidiu-se realizar as comparações com dados brutos do InterIMAGE e dados tratados do SPRING, uma vez que buscou-se saber o quão próximo o dado bruto do InterIMAGE se aproximava do SPRING tratado. Os resultados são apresentados na Figura 8 acima, onde verifica-se uma maior fidedignidade na classificação do InterIMAGE. 5. CONSIDERAÇÕES FINAIS Os resultados obtidos sinalizaram que o software InterIMAGE é uma ferramenta bastante interessante para a classificação e geração de mapas temáticos, significando uma considerável economia de tempo e de maior qualidade nos produtos gerados, comparativamente a utilização dos métodos tradicionais de classificação de imagens orbitais. Comparando os resultados das duas metodologias, pode-se concluir que ambas técnicas de classificação apresentaram respostas muito semelhantes, sendo que a orientada a objetos tem como principal vantagem a possibilidade de utilizar informações intrínsecas extraídas dos objetos, como a resposta espectral média,variância, dimensões, forma e textura. 6. REFERÊNCIAS BIBLIOGRÁFICAS BIAS, E. S.; BRITES. R. S.; SANTA ROSA, A. N. C.: Imagens de Alta Resolução Espacial. In: Introdução ao Processamento de Imagens de Sensoriamento Remoto. Org. Paulo Roberto Menezes e Tati de Almeida. CNPq/UnB, Brasilia, 2010, p BLASCHKE, T.; STROBL, J. What s wrong with pixels?: Some recent developments interfacing remote sensing and GIS. GeoBIT 6 (6), BLASCHKE, T.; LANG, S.; HAY, G. J. Object based Image Analysis Spatial Concepts for Knowledge-Driven Remote Sensing Applications, Lecture Notes in Geoinformation and Cartography. Springer-Verlag, Berlin, 818p, COSTA, G. A. O. P.; PINHO, C. M. D.; FEITOSA, R. Q.; ALMEIDA, C. M., KUX, H. J. H.; FONSECA, L. M. G.; OLIVEIRA, D. A. B. INTERIMAGE: Uma Plataforma Cognitiva Open Source para a Interpretação Automática de Imagens Digitais. Revista Brasileira de Cartografia 60, RAPIDEYE, Satellite imagery product specifications. Disponível em: < Acesso em out WALTER. V. Object-based classification of remote sensing data for change detection. Int. Journal of remote sensing 58: ,
Sensoriamento Remoto
Sensoriamento Remoto É a utilização conjunta de modernos sensores, equipamentos para processamento de dados, equipamentos de transmissão de dados, aeronaves, espaçonaves etc, com o objetivo de estudar
Leia maisUFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração
Leia maisSensoriamento Remoto. Características das Imagens Orbitais
Sensoriamento Remoto Características das Imagens Orbitais 1 - RESOLUÇÃO: O termo resolução em sensoriamento remoto pode ser atribuído a quatro diferentes parâmetros: resolução espacial resolução espectral
Leia maisGeomática e SIGDR aula teórica 23 17/05/11. Sistemas de Detecção Remota Resolução de imagens
Geomática e SIGDR aula teórica 23 17/05/11 Sistemas de Detecção Remota Resolução de imagens Manuel Campagnolo ISA Manuel Campagnolo (ISA) Geomática e SIGDR 2010-2011 17/05/11 1 / 16 Tipos de resolução
Leia mais044.ASR.SRE.16 - Princípios Físicos do Sensoriamento Remoto
Texto: PRODUTOS DE SENSORIAMENTO REMOTO Autor: BERNARDO F. T. RUDORFF Divisão de Sensoriamento Remoto - Instituto Nacional de Pesquisas Espaciais São José dos Campos-SP - bernardo@ltid.inpe.br Sensoriamento
Leia mais10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT.
10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT. Thalita Dal Santo 1 Antonio de Oliveira¹ Fernando Ricardo dos Santos² A técnica de fusão
Leia mais15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto
15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto O Sensoriamento Remoto é uma técnica que utiliza sensores, na captação e registro da energia refletida e emitida
Leia maisSistemas Sensores. Introdução
Sistemas Sensores 5ª Aulas Introdução O sol foi citado como sendo uma fonte de energia ou radiação. O sol é uma fonte muito consistente de energia para o sensoriamento remoto (REM). REM interage com os
Leia maisSEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS
SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com
Leia maisFlavio Marcelo CONEGLIAN, Rodrigo Antonio LA SCALEA e Selma Regina Aranha RIBEIRO. Universidade Estadual de Ponta Grossa
Comparação entre Classificações Supervisionadas em uma Imagem CBERS CCD com Bandas Multiespectrais e em uma Imagem Fusão da Mesma Imagem CBERS CCD Com uma Banda Pancromática HRC Flavio Marcelo CONEGLIAN,
Leia maisCLASSIFICAÇÃO DE IMAGENS
CLASSIFICAÇÃO DE IMAGENS SIG Profa.. Dra. Maria Isabel Castreghini de Freitas ifreitas@rc.unesp.br Profa. Dra. Andréia Medinilha Pancher medinilha@linkway.com.br O que é classificação? É o processo de
Leia maisCosta, B.L. 1 ; Faria, R.A.M²; Marins, L.S.³. ²Universidade do Estado do Rio de Janeiro / Faculdade de Formação de Professores - rfariageo@hotmail.
GERAÇÃO DE MAPA DE USO E COBERTURA DE SOLO UTILIZANDO IMAGENS DE SATÉLITE LANDSAT 8 PARA O SUPORTE AO PLANEJAMENTO MUNICIPAL DO MUNICÍPIO DE NITERÓI RJ. Costa, B.L. 1 ; Faria, R.A.M²; Marins, L.S.³ 1 Universidade
Leia maisMundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014
MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014 ANÁLISE DE TÉCNICAS PARA DETECÇÃO DE MUDANÇA UTILIZANDO IMAGENS DO SENSORIAMENTO REMOTO DESLIZAMENTOS EM NOVA FRIBURGO/RJ EM 2011 Trabalho
Leia maisArcGIS: Rescale em Batch, Composição Colorida RGB e Fusão de Imagens Landsat-8
ArcGIS: Rescale em Batch, Composição Colorida RGB e Fusão de Imagens Landsat-8 2013 LANDSAT-8: Informações para Novos Usuários de Imagens Licença: As imagens Landsat-8 são gratuitas; Download: Para baixar
Leia maisMAPEAMENTO FLORESTAL
MAPEAMENTO FLORESTAL ELISEU ROSSATO TONIOLO Eng. Florestal Especialista em Geoprocessamento OBJETIVO Mapear e caracterizar a vegetação visando subsidiar o diagnóstico florestal FUNDAMENTOS É uma ferramenta
Leia maisComparação entre classificadores por pixel e por região com imagem SPOT-5 para o estado de Minas Gerais
Comparação entre classificadores por pixel e por região com imagem SPOT-5 para o estado de Minas Gerais Fernanda Rodrigues Fonseca 1 Thiago Duarte Pereira 1 Luciano Vieira Dutra 1 Eliana Pantaleão 1 Corina
Leia maisCLASSIFICAÇÃO ORIENTADA A OBJETOS PELO ALGORITMO SUPPORT VECTOR MACHINE DE IMAGEM RAPIDEYE
CLASSIFICAÇÃO ORIENTADA A OBJETOS PELO ALGORITMO SUPPORT VECTOR MACHINE DE IMAGEM RAPIDEYE Dinameres Aparecida Antunes 1, Kelly Lais Wiggers 2, Selma Regina Aranha Ribeiro 3 1 Geógrafo, Mestranda do Programa
Leia maisUSO DA TÉCNICA DE ANALISE POR COMPONENTE PRINCIPAL NA DETECÇÃO DE MUDANÇAS NA COBERTURA DO SOLO
Samuel da Silva Farias, Graduando do curso de geografia da UFPE samuel.farias763@gmail.com Rafhael Fhelipe de Lima Farias, Mestrando do PPGEO/UFPE, rafhaelfarias@hotmail.com USO DA TÉCNICA DE ANALISE POR
Leia maisSENSORIAMENTO REMOTO NO USO DO SOLO
SENSORIAMENTO REMOTO NO USO DO SOLO Ana Luiza Bovoy Jônatas de Castro Gonçalves Thiemi Igarashi Vinicius Chequer e Silva LEVANTAMENTO DA COBERTURA VEGETAL ATRAVÉS DE PRODUTOS DE SENSORIAMENTO REMOTO NAS
Leia maisProcessamento de Imagem. Prof. Herondino
Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações
Leia maisAula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa
Princípios Físicos do Sensoriamento Remoto Aula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa O que é Sensoriamento Remoto? Utilização conjunta de sensores, equipamentos
Leia maisSENRORIAMENTO REMOTO E SIG. Aula 1. Prof. Guttemberg Silvino Prof. Francisco das Chagas
SENRORIAMENTO REMOTO E SIG Aula 1 Programa da Disciplina 1 CONCEITOS, HISTÓRICO E FUNDAMENTOS (8 aulas) 2 Sensoriamento remoto. Histórico e definições 3 Domínios do Sensoriamento Remoto 4 Níveis de Coleta
Leia maisMAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR
MAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR Maria G. Almeida 1, Bernardo F. T. Rudorff 2, Yosio E. Shimabukuro 2 graca@dppg.cefetmg.br, bernardo@ltid.inpe.br,
Leia maisPotencial do uso da banda do infravermelho próximo na classificação de imagens adquiridas por câmaras digitais
Potencial do uso da banda do infravermelho próximo na classificação de imagens adquiridas por câmaras digitais Lauriana Rúbio Sartori Nilton Nobuhiro Imai Antônio Maria Garcia Tommaselli Roberto da Silva
Leia maisSISTEMAS DE INFORMAÇÃO GEOGRÁFICA (I)
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE ENGENHARIA DE BIOSSISTEMAS DISCIPLINA: LEB450 TOPOGRAFIA E GEOPROCESSAMENTO II PROF. DR. CARLOS ALBERTO VETTORAZZI
Leia maisAula 5 - Classificação
AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente
Leia mais3 Estado da arte em classificação de imagens de alta resolução
37 3 Estado da arte em classificação de imagens de alta resolução Com a recente disponibilidade de imagens de alta resolução produzidas por sensores orbitais como IKONOS e QUICKBIRD se tornou-se possível
Leia maisOpções de Imageamento para a área do Reservatório da UHE Santo Antônio, Cidade de Porto Velho e trecho a jusante até Humaitá
Avaliacao_Imageamento_SAE_Ano-Hidro-2010-2011 Relatório simplificado Opções de Imageamento para a área do Reservatório da UHE Santo Antônio, Cidade de Porto Velho e trecho a jusante até Humaitá Cliente:
Leia maisTécnicas de Cartografia Digital
Técnicas de Cartografia Digital Maria Cecília Bonato Brandalize 2011 Aula 8 1. Vetoriais 2. Matriciais 3. Vantagens e Desvantagens 1. Vetoriais 2. Matriciais 3. Vantagens e Desvantagens Como são representados
Leia maisPara que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma
Sensores e Satélites Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma plataforma estável à distância do objeto
Leia maisClassificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões
Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos
Leia maisUSO DO GEOPROCESSAMENTO NO MONITORAMENTO DO SETOR AGRÍCOLA PARA FINS TRIBUTÁRIOS NA SEFAZ-GO. Geoprocessamento
USO DO GEOPROCESSAMENTO NO MONITORAMENTO DO SETOR AGRÍCOLA PARA FINS TRIBUTÁRIOS NA SEFAZ-GO Geog.Ms. Maria G. da Silva Barbalho maria-gsb@sefaz.go.gov.br Conceito Disciplina do conhecimento que utiliza
Leia maisMinistério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Medianeira PLANO DE ENSINO CURSO ENGENHARIA DE AMBIENTAL MATRIZ 519
Ministério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Medianeira PLANO DE ENSINO CURSO ENGENHARIA DE AMBIENTAL MATRIZ 519 FUNDAMENTAÇÃO LEGAL - Abertura e aprovação do projeto do curso:
Leia maisSistemas de Informação Geográfica (SIG) para Agricultura de Precisão
01 Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão Rodrigo G. Trevisan¹; José P. Molin² ¹ Eng. Agrônomo, Mestrando em Engenharia de Sistemas Agrícolas (ESALQ-USP); ² Prof. Dr. Associado
Leia maisIntrodução ao Sensoriamento Remoto
Introdução ao Sensoriamento Remoto Cachoeira Paulista, 24 a 28 novembro de 2008 Bernardo Rudorff Pesquisador da Divisão de Sensoriamento Remoto Instituto Nacional de Pesquisas Espaciais - INPE Sensoriamento
Leia maisCLASSIFICAÇÃO DA COBERTURA DA TERRA DE ANGRA DOS REIS RJ, A PARTIR DE ANÁLISE DE IMAGEM BASEADA EM OBJETO E MINERAÇÃO DE DADOS
CLASSIFICAÇÃO DA COBERTURA DA TERRA DE ANGRA DOS REIS RJ, A PARTIR DE ANÁLISE DE IMAGEM BASEADA EM OBJETO E MINERAÇÃO DE DADOS Eduardo Gustavo Soares Pereira 1 Monika Richter 2 1 - Universidade Federal
Leia maisUNIVERSIDADE FEDERAL DA BAHIA - UFBA
UNIVERSIDADE FEDERAL DA BAHIA - UFBA Instituto de Ciências Ambientais e Desenvolvimento Sustentável Prof. Pablo Santos 4 a Aula SISTEMA DE INFORMAÇÃO GEOGRÁFICA - SIG Introdução Definições Necessárias
Leia maisI ENCONTRO PAULISTA DE BIODIVERSIDADE
I ENCONTRO PAULISTA DE BIODIVERSIDADE 16 a 18 de novembro de 2009 Fundação Mokiti Okada Palestrante: Mônica Pavão Pesquisadora do Instituto Florestal INVENTÁRIO FLORESTAL DO ESTADO DE SÃO PAULO INVENTÁRIO
Leia mais2 Classificação de Imagens de Sensoriamento Remoto
2 Classificação de Imagens de Sensoriamento Remoto 2.1. Processamento Digital de Imagens Processamento Digital de Imagens entende-se como a manipulação de uma imagem por computador de modo que a entrada
Leia maisIntrodução aos Sistemas de Informação Geográfica
Introdução aos Sistemas de Informação Geográfica Mestrado Profissionalizante 2015 Karla Donato Fook karladf@ifma.edu.br IFMA / DAI Motivação Alguns princípios físicos dão suporte ao Sensoriamento Remoto...
Leia maisC a p í t u l o I V. P r o c e s s a m e n t o d a s I m a g e n s O r b i t a i s d o s S e n s o r e s T M e E T M
C a p í t u l o I V P r o c e s s a m e n t o d a s I m a g e n s O r b i t a i s d o s S e n s o r e s T M e E T M IV.1 Processamento Digital das Imagens Orbitais dos Sensores TM e ETM + IV.1.1 Introdução
Leia maisMAPEAMENTO DIGITAL DE AMBIENTES COSTEIROS COM APOIO DE IMAGENS DE SATÉLITES E DADOS GNSS
MAPEAMENTO DIGITAL DE AMBIENTES COSTEIROS COM APOIO DE IMAGENS DE SATÉLITES E DADOS GNSS Gilberto Pessanha Ribeiro ¹, ², ³ gilberto@globalgeo.com.br ¹ Globalgeo Geotecnologias www.globalgeo.com.br ² Faculdade
Leia maisPROCESSAMENTO DOS DADOS AVHRR DO SATÉLITE NOAA E APLICAÇÃO SOBRE A REGIÃO SUL DO BRASIL. Leonid Bakst Yoshihiro Yamazaki
PROCESSAMENTO DOS DADOS AVHRR DO SATÉLITE NOAA E APLICAÇÃO SOBRE A REGIÃO SUL DO BRASIL Leonid Bakst Yoshihiro Yamazaki Universidade Federal de Pelotas - UFPel Centro de Pesquisas Meteorológicas CPMet
Leia maisExtração de feições de áreas urbanas a partir de imagens orbitais por técnica GEOBIA: Uma análise comparativa entre bandas do satélite RapidEye
Extração de feições de áreas urbanas a partir de imagens orbitais por técnica GEOBIA: Uma análise comparativa entre bandas do satélite RapidEye Andrea Amaziles Antunes Carvalho 1 Leandro da Silva Gregorio
Leia maisPRODUÇÃO E ATUALIZAÇÃO DE MAPAS. Sensores aéreos e orbitais
PRODUÇÃO E ATUALIZAÇÃO DE MAPAS Sensores aéreos e orbitais Pilares do Mapeamento 1. Resolução espacial e radiométrica 2. Cobertura multispectral 3. Geometria consistente 4. Automação e resposta rápida
Leia maisReflectância espectral de classes e alvos urbanos no Rio de Janeiro, utilizando imagem do sensor Hyperion
Reflectância espectral de classes e alvos urbanos no Rio de Janeiro, utilizando imagem do sensor Hyperion Vandré Soares Viégas 1 Elizabeth Maria Feitosa da Rocha de Souza 2 1,2 Universidade Federal do
Leia maisOBTENÇÃO DE IMAGEM DO GOOGLE EARTH PARA CLASSIFICAÇÃO DE USO E OCUPAÇÃO DO SOLO
OBTENÇÃO DE IMAGEM DO GOOGLE EARTH PARA CLASSIFICAÇÃO DE USO E OCUPAÇÃO DO SOLO ROGER TORLAY 1 ; OSVALDO T. OSHIRO 2 N 10502 RESUMO O sensoriamento remoto e o geoprocessamento trouxeram importantes avanços
Leia maisMONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS
MONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS Erika Gonçalves Pires 1, Manuel Eduardo Ferreira 2 1 Agrimensora, Professora do IFTO, Doutoranda em Geografia - UFG,
Leia maisIMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE TECNOLOGIA E RECURSOS HUMANOS UNIDADE ACADÊMICA DE ENGENHARIA CIVIL IMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO Sumário 1. Conceitos básicos
Leia maisPrograma Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro
Programa Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro Relatório Trimestral de Atividades Abril / Maio / Junho de 2010 Índice 1. Apresentação...3 2. Fotogrametria...4
Leia maisPrograma Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro
Programa Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro Relatório de atividades mensal Agosto 2009 Apresentação Em atendimento ao solicitado na reunião com
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisClassificação automática de cobertura do solo urbano em imagem IKONOS: Comparação entre a abordagem pixel-a-pixel e orientada a objetos
Classificação automática de cobertura do solo urbano em imagem IKONOS: Comparação entre a abordagem pixel-a-pixel e orientada a objetos Carolina Moutinho Duque de Pinho Flávia da Fonseca Feitosa Hermann
Leia maisSERVIÇOS ESPECIALIZADOS PARA FORNECIMENTO DE IMAGENS DE SATÉLITE
COMPANHIA HIDRO ELÉTRICA DO SÃO FRANCISCO - CHESF DIRETORIA DE ENGENHARIA E CONSTRUÇÃO - DE SUPERINTENDÊNCIA DE PLANEJAMENTO DA EXPANSÃO - SPE DEPARTAMENTO DE MEIO AMBIENTE - DMA DIVISÃO DE MEIO AMBIENTE
Leia maisMAPEAMENTO DE CLASSES INTRAURBANAS NO MUNICÍPIO DE CARAGUATATUBA (SP) UTILIZANDO IMAGENS LANDSAT-5 TM E IMAGEM NDBI
MAPEAMENTO DE CLASSES INTRAURBANAS NO MUNICÍPIO DE CARAGUATATUBA (SP) UTILIZANDO IMAGENS LANDSAT-5 TM E IMAGEM NDBI 1702 Bruna Lahos de Jesus Bacic bruna_lahos@hotmail.com Geografia Bacharelado Universidade
Leia maisMETODOLOGIAS DE MONITORAMENTO FLORESTAL ATLÂNTICO DERIVADO DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO 1
METODOLOGIAS DE MONITORAMENTO FLORESTAL ATLÂNTICO DERIVADO DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO 1 Luiz Felipe Guanaes Rego PhD em Recursos Naturais Professor do Departamento de Geografia Pontifícia
Leia maisEXPANSÃO DA SOJA PARA A PORÇÃO NORTE DO BIOMA CERRADO NO ESTADO DO PIAUÍ
EXPANSÃO DA SOJA PARA A PORÇÃO NORTE DO BIOMA CERRADO NO ESTADO DO PIAUÍ Resumo Patrícia Ladeira Pinheiro¹ Gabriel Pereira² (patricia.ladeira@gmail.com; pereira@ufsj.edu.br) Graduanda em Geografia - UFSJ
Leia maisSensoriamento Remoto I. José Antonio Pacheco de Almeida Paulo José de Oliveira
José Antonio Pacheco de Almeida Paulo José de Oliveira São Cristóvão/SE 2010 Elaboração de Conteúdo José Antonio Pacheco de Almeida Paulo José de Oliveira Projeto Gráfico e Capa Hermeson Alves de Menezes
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisSENSORIAMENTO REMOTO APLICADO AO CADASTRO URBANO
SENSORIAMENTO REMOTO APLICADO AO CADASTRO URBANO 04/04/2013 Leonardo Scharth Loureiro Silva Sumário 1 Fundamentos básicos de Sensoriamento Remoto 2 Levantamento aerofotogramétrico para fins de cadastro
Leia maisUFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas
Leia maisNATUREZA DO TRABALHO : PERÍCIA DE ENGENHARIA O USO DE ORTOIMAGENS EM PERÍCIAS DE ENGENHARIA
NATUREZA DO TRABALHO : PERÍCIA DE ENGENHARIA O USO DE ORTOIMAGENS EM PERÍCIAS DE ENGENHARIA Resumo Em lides que envolvem a apuração de áreas e divisas de imóveis, as atividades de conferência normalmente
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a
Leia maisUtilização de geotecnologias para inferências populacionais no espaço urbano do município de Guarulhos-SP. Aline Salim Ailton Luchiari
Utilização de geotecnologias para inferências populacionais no espaço urbano do município de Guarulhos-SP Aline Salim Ailton Luchiari Universidade de São Paulo - FFLCH/DG Caixa Postal 72042 - CEP 05508-900
Leia maisERMAC 2010: I ENCONTRO REGIONAL DE MATEMÁTICA APLICADA E COMPUTACIONAL 11-13 de Novembro de 2010, São João del-rei, MG; pg 251-257 251
ERMAC 2010: I ENCONTRO REGIONAL DE MATEMÁTICA APLICADA E COMPUTACIONAL 11 13 de Novembro de 2010, São João delrei, MG; pg 251 257 251 ANÁLISE DO USO E OCUPAÇÃO DO SOLO DA CIDADE DE VITÓRIAES USANDO A COMPOSIÇÃO
Leia maisSite da disciplina: Site do Laboratório de Geotecnologias Aplicadas: https://moodleinstitucional.ufrgs.br. http://www.ufrgs.
Universidade Federal do Rio Grande do Sul Instituto de Geociências Departamento de Geografia Sistemas de Informações Geográficas I GEO 01007 Professora: Eliana Lima da Fonseca Site da disciplina: https://moodleinstitucional.ufrgs.br
Leia maisRelações mais harmoniosas de convívio com a natureza; O mundo como um modelo real que necessita de abstrações para sua descrição; Reconhecimento de
Relações mais harmoniosas de convívio com a natureza; O mundo como um modelo real que necessita de abstrações para sua descrição; Reconhecimento de padrões espaciais; Controle e ordenação do espaço. Técnicas
Leia maisAplicações CBERS na Universidade Federal do Rio Grande do Sul
Aplicações CBERS na Universidade Federal do Rio Grande do Sul Pesquisas CBERS - UFRGS 2001: Início do projeto Participantes: - PPG-SR / CEPSRM - Instituto de Geociências Geodésia Geografia Geologia - Faculdade
Leia maisSETIS- III Seminário de Tecnologia Inovação e Sustentabilidade 4 e 5 de novembro de 2014.
A importância da comunicação no gerenciamento de projetos de softwares: reflexões teóricas Lucas Krüger lucas_kruger-@hotmail.com Resumo: Esse artigo objetiva estudar a comunicação entre cliente e desenvolvedor
Leia maisImagens de Satélite (características):
Imagens de Satélite (características): São captadas por sensores electro ópticos que registam a radiação electromagnética reflectida e emitida pelos objectos que se encontram à superfície da terra através
Leia maisFOTOINTERPRETAÇÃO. Interpretação e medidas. Dado qualitativo: lago
FOTOINTERPRETAÇÃO a) conceito A fotointerpretação é a técnica de examinar as imagens dos objetos na fotografia e deduzir sua significação. A fotointerpretação é bastante importante à elaboração de mapas
Leia maisSPRING 3.6.03 - Apresentação
SPRING 3.6.03 - Apresentação GEOPROCESSAMENTO Conjunto de ferramentas usadas para coleta e tratamento de informações espaciais, geração de saídas na forma de mapas, relatórios, arquivos digitais, etc;
Leia maisQuanto menor o comprimento de onda mais o efeito da atmosfera. A Banda 1 do Landsat 5 TM serve para estudar sedimentos (menor comprimento de onda)
Para mapear áreas de cultura (áborea) natural (floresta, reflorestamento) usar imagens de agosto, setembro. Para mapear produtividade, contaminação, praga, usar imagens de janeiro ou dezembro. Para mapear
Leia maisTópicos em Meio Ambiente e Ciências Atmosféricas
INPE-13139-PRE/8398 SENSORIAMENTO REMOTO Tania Sausen Tópicos em Meio Ambiente e Ciências Atmosféricas INPE São José dos Campos 2005 MEIO AMBIENTE E CIÊNCIAS ATMOSFÉRICAS 8 Sensoriamento Remoto Tania Sauzen
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA Evolução temporal e espacial do uso e ocupação do solo para os anos
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS
UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS Laboratório de Ensino, Pesquisa e Projetos em Análise Espacial TUTORIAL DE SPRING Alexandro Medeiros
Leia maisXV COBREAP CONGRESSO BRASILEIRO DE ENGENHARIA DE AVALIAÇÕES E PERÍCIAS IBAPE/SP 2009
XV COBREAP CONGRESSO BRASILEIRO DE ENGENHARIA DE AVALIAÇÕES E PERÍCIAS IBAPE/SP 2009 ANÁLISE COMPARATIVA DOS USOS DO SOLO UTILIZANDO IMAGENS ORBITAIS COM DIFERENTES RESOLUÇÕES ESPACIAIS. JUSSARA D'AMBROSIO
Leia maisDados para mapeamento
Dados para mapeamento Existem dois aspectos com relação aos dados: 1. Aquisição dos dados para gerar os mapas 2. Uso do mapa como fonte de dados Os métodos de aquisição de dados para o mapeamento divergem,
Leia maisIntrodução ao Sensoriamento Remoto. Sensoriamento Remoto
Introdução ao Sensoriamento Remoto Sensoriamento Remoto Definição; Breve Histórico; Princípios do SR; Espectro Eletromagnético; Interação Energia com a Terra; Sensores & Satélites; O que é Sensoriamento
Leia maisAULA 6 - Operações Espaciais
6.1 AULA 6 - Operações Espaciais Essa aula descreve as operações espaciais disponíveis no TerraView. Antes de iniciar sua descrição é necessário importar alguns dados que serão usados nos exemplos. Exercício:
Leia maisAnálise das técnicas de fusão de imagens aplicadas ao satélite CBERS-2B (CCD-HRC) Claudinei Rodrigues de Aguiar¹ Danielli Batistella¹
Análise das técnicas de fusão de imagens aplicadas ao satélite CBERS-2B (CCD-HRC) Claudinei Rodrigues de Aguiar¹ Danielli Batistella¹ 1 Universidade Tecnológica Federal do Paraná - UTFPR Via do Conhecimento,
Leia maisLANDSAT-8: Download de imagens através dos sites Earth Explorer e GLOVIS
LANDSAT-8: Download de imagens através dos sites Earth Explorer e GLOVIS 2013 LANDSAT-8: Informações para Novos Usuários de Imagens Licença: As imagens Landsat-8 são gratuitas; Download: Para baixar imagens
Leia maisSENSORES REMOTOS. Daniel C. Zanotta 28/03/2015
SENSORES REMOTOS Daniel C. Zanotta 28/03/2015 ESTRUTURA DE UM SATÉLITE Exemplo: Landsat 5 COMPONENTES DE UM SATÉLITE Exemplo: Landsat 5 LANÇAMENTO FOGUETES DE LANÇAMENTO SISTEMA SENSOR TIPOS DE SENSORES
Leia maisProcessamento digital de imagens. introdução
Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética
Leia maisAQUISIÇÃO DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO ESPACIAL PARA A ÁREA DE INTERESSE DO PROJETO DO ALTO TIETÊ
TERMO DE REFERENCIA AQUISIÇÃO E PROCESSAMENTO DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO ESPACIAL AQUISIÇÃO DE IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO ESPACIAL PARA A ÁREA DE INTERESSE DO PROJETO DO ALTO TIETÊ
Leia maisCaracterísticas dos Sensores. Aula 3 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa
Características dos Sensores Aula 3 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa TAMANHO DO PIXEL Alta Resolução Média Resolução Cobertura Sinótica Meteorológicos
Leia maisSIG - Sistemas de Informação Geográfica
SIG - Sistemas de Informação Geográfica Gestão da Informação Para gestão das informações relativas ao desenvolvimento e implantação dos Planos Municipais de Conservação e Recuperação da Mata Atlântica
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário
Leia maisINTRODUÇÃO AO GEOPROCESSAMENTO. Profª Iana Alexandra Alves Rufino [iana_alex@uol.com.br]
INTRODUÇÃO AO GEOPROCESSAMENTO Profª Iana Alexandra Alves Rufino [iana_alex@uol.com.br] Introdução ao Geoprocessamento Conceitos básicos Componentes de um SIG Exemplos de aplicações Conceitos Geoprocessamento
Leia maisGEOPROCESSAMENTO COMO INSTRUMENTO DE ANÁLISE NOS IMPACTOS AMBIENTAIS: MINERADORA CAMPO GRANDE TERENOS/MS.
GEOPROCESSAMENTO COMO INSTRUMENTO DE ANÁLISE NOS IMPACTOS AMBIENTAIS: MINERADORA CAMPO GRANDE TERENOS/MS. CÁSSIO SILVEIRA BARUFFI(1) Acadêmico de Engenharia Sanitária e Ambiental, Universidade Católica
Leia maisGerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto
Gerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com PMBoK Organização do Projeto Os projetos e o gerenciamento
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisAula 3 - Registro de Imagem
Aula 3 - Registro de Imagem 1. Registro de Imagens Registro é uma transformação geométrica que relaciona coordenadas da imagem (linha e coluna) com coordenadas geográficas (latitude e longitude) de um
Leia maisAVALIAÇÃO DAS IMAGENS IRS-P6 EM RELAÇÃO AO PADRÃO DE EXATIDÃO CARTOGRÁFICA. Danielly Garcia Santos¹, Elaine Reis Costa Lima²
AVALIAÇÃO DAS IMAGENS IRS-P6 EM RELAÇÃO AO PADRÃO DE EXATIDÃO CARTOGRÁFICA Danielly Garcia Santos¹, Elaine Reis Costa Lima² ¹Tecnóloga em Geoprocessamento, Assistente em Geoprocessamento, Primegeo, Goiânia-GO,
Leia maisOBJETIVOS: CARGA HORÁRIA MÍNIMA CRONOGRAMA:
ESTUDO DIRIGIDO COMPONENTE CURRICULAR: Controle de Processos e Instrumentação PROFESSOR: Dorival Rosa Brito ESTUDO DIRIGIDO: Métodos de Determinação de Parâmetros de Processos APRESENTAÇÃO: O rápido desenvolvimento
Leia maisATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF
TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial
Leia maisDiagnóstico Ambiental do Município de Alta Floresta - MT
Diagnóstico Ambiental do Município de Alta Floresta - MT Paula Bernasconi Ricardo Abad Laurent Micol Maio de 2008 Introdução O município de Alta Floresta está localizado na região norte do estado de Mato
Leia maisSistema GNSS. (Global Navigation Satellite System)
Sistema GNSS (Global Navigation Satellite System) POSICIONAR UM OBJETO NADA MAIS É DO QUE LHE ATRIBUIR COORDENADAS O Sol, os planetas e as estrelas foram excelentes fontes de orientação, por muito tempo.
Leia maisPrograma de Pós- Graduação em Engenharia Hidráulica e Saneamento
Programa de Pós- Graduação em Engenharia Hidráulica e Saneamento APLICAÇÃO DE ANALISE ORIENTADA A OBJETOS EM IMAGENS DE ALTA RESOLUÇÃO NA DETERMINAÇÃO DA COBERTURA DE SOLOS Leandro Guimarães Bais MarJns
Leia maisClassificação de Imagens
Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,
Leia mais