1. Introdução O ambiente e os recursos terrestres estão sofrendo mudanças constantemente em resposta à evolução natural e às atividades humanas.
|
|
- Vitória Festas Domingos
- 5 Há anos
- Visualizações:
Transcrição
1 UTILIZAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO PARA O MAPEAMENTO DO USO E COBERTURA DA TERRA NA BACIA HIDROGRÁFICA DO RIBEIRÃO SÃO BARTOLOMEU, VIÇOSA-MG, A PARTIR DE UMA IMAGEM DO SENSOR IKONOS II Adelson de Azevedo Moreira Universidade Federal de Viçosa UFV adelsonmoreira@gmail.com Vicente Paulo Soares Universidade Federal de Viçosa UFV vicente@ufv.br José Marinaldo Gleriani Universidade Federal de Viçosa UFV marinaldo@ufv.br Carlos Antonio Álvares Soares Ribeiro Universidade Federal de Viçosa UFV caas.ribeiro@gmail.com RESUMO O presente trabalho teve como objetivo avaliar diferentes algoritmos de classificação para o mapeamento da cobertura e uso da terra na bacia do ribeirão São Bartolomeu, município de Viçosa, Minas Gerais. Foi utilizada uma imagem georreferenciada e fusionada do sensor Ikonos II, com resolução espacial de 1 m. Foram utilizados os seguintes algoritmos de classificação: máxima verossimilhança, redes neurais, Bhattacharya e isoseg. As principais classes presentes na área de estudo foram cobertura florestal, pastagem, área agrícola, área urbana, hidrografia e outros. As imagens resultantes dos processos classificatórios foram avaliadas pelo índice de exatidão kappa. Os resultados encontrados pela utilização deste índice mostraram que os quatros algoritmos de classificação utilizados tiveram performance razoáveis, a saber: máxima verossimilhança (53,4%), redes neurais (63,0%), Bhattacharya (76,0%) e isoseg (50,9%). Palavras-chave: sensoriamento remoto, índice de exatidão Kappa, algoritmos de classificação. ABSTRACT The major objective of this work was to evaluate different classification algorithms for mapping Land Use/Land Cover classes in São Bartolomeu River Watershed, municipality of Viçosa, Minas Gerais State, Brazil. For this purpose, it was used a geo-referenced ikonos image with 1m of spatial resolution. The algorithms used were: maximum likelihood, neural nets, Bhattacharya and isoseg. Six cover classes were mapped in the study area, including forest cover, pasture, agricultural, urban area, hydrography and others. The classified images were evaluated based on the kappa index, and the results found were 53.4%, 63.0%, 76.0% and 50.9%, respectively, for the maximum likelihood, neural nets, Bhattacharya and isoseg algorithms, which were considered reasonable. Key-words: remote sensing, kappa index, classification algorithm. 1
2 1. Introdução O ambiente e os recursos terrestres estão sofrendo mudanças constantemente em resposta à evolução natural e às atividades humanas. Para entender a complexa inter-relação dos fenômenos que causam essas mudanças, é necessário fazer diversas observações com uma série de dados do espaço e escalas no tempo. A observação terrestre feita do espaço é o meio efetivo e econômico de unir os dados necessários para monitorar e modelar esses fenômenos (VIEIRA, 000). O sensoriamento remoto é uma importante ferramenta ligada ao levantamento de recursos naturais e ao monitoramento do meio ambiente, o que contribui para beneficiar o desenvolvimento econômico e social de uma população. No Brasil, um país de proporções continentais, essas técnicas podem e têm sido utilizadas neste sentido (NOVO, 199). Imagens geradas pelos sensores remotos, que caracterizam a superfície terrestre, são cada vez mais utilizadas para a elaboração de diferentes tipos de produtos. Os dados captados pelos sensores remotos são interpretados e transformados em informações, apresentados geralmente em forma de mapas temáticos (FLORENZANO, 00). Imagens de alta resolução trazem consigo, no entanto, um novo conjunto de questões associadas à resolução de elementos individuais da cena, que devem ser consideradas. Essas imagens possuem uma vantagem significativa: identificação de feições espaciais a partir de informação textural. Considerando previamente que imagens com resolução mais grosseira têm sua utilização dificultada sem o conhecimento a priori das feições terrestres, o acréscimo da informação textural disponível em imagens de alta resolução permite melhorar a interpretação, com base na forma da textura dessas feições (RIBEIRO, 003). A alta resolução espacial muda até o modo de se utilizarem as imagens geradas pelos satélites. Se anteriormente um pixel continha vários objetos, agora um objeto é composto por vários pixels, aumentando o nível de detalhamento da cena (MENDONÇA, 006). A análise de uma imagem digital pode ser enquadrada em dois grandes grupos: análise digital e análise visual. Dentro do grupo da análise digital pode ser citada ainda a classificação supervisionada e classificação não-supervisionada (NOVO, 199). Um terceiro método chamado de classificação híbrida pode também ser empregado. Trata-se da associação de algoritmos não-supervisionado e supervisionado. Exige do analista o conhecimento da área de estudo, mesmo que seja no final do processo, permitindo o agrupamento de pixels que podem ser convenientemente tratados como classes distintas (RIBEIRO, 003). Outra técnica empregada é a classificação visual, que consiste na classificação das diferentes feições presentes em uma imagem de satélite, por meio de técnicas qualitativas ou visuais de interpretação, pode variar em função de parâmetros como: experiência do fotointérprete e condições de trabalho (NOVO, 199).
3 As técnicas de classificação digital implicam a implementação de uma regra de decisão para que o computador possa atribuir uma determinada classe a um certo conjunto de pontos da imagem (pixels). Essas técnicas teriam, dessa forma, o objetivo de tornar o processo de mapeamento ou reconhecimento de características da superfície terrestre menos subjetivo e com maior potencial de repetição em situações subsequentes (NOVO, 199). A distinção e identificação das composições de diferentes materiais superficiais, sejam eles tipos de vegetação, padrões de uso do solo, rochas e outros, tornam-se possíveis devido ao fato de os materiais superficiais terem comportamentos estes que podem, portanto, ser usados para identificá-los (CRÓSTA, 199). O presente trabalho teve como objetivo principal avaliar diferentes algoritmos de classificação, supervisionada ou não-supervisionada, para o mapeamento da cobertura e uso da terra numa bacia hidrográfica.. Material e Métodos.1. Localização e caracterização da área de estudo A região de estudo está localizada entre as coordenadas geográficas de S, O e S, O. Nesta área está inserida a bacia do ribeirão São Bartolomeu, município de Viçosa, Minas Gerais. Esta é uma região representativa da Zona da Mata mineira e importante fornecedora de água para a cidade de Viçosa bem como para o campus da Universidade Federal de Viçosa. A região caracteriza-se por uma topografia fortemente acidentada, apresentando porções reduzidas de área plana. Consta, ainda, de vales cujos fundos correspondem ao leito maior, periodicamente inundável, seguido de terraços assimétricos onde é mais frequente a prática de agricultura e habitações. As vertentes desenvolvem-se seguindo uma linha côncava-convexa-topo e parte íngreme (REZENDE, 1971), com escassos remanescentes florestais nativos, caracterizada por minifúndios com mão-de-obra essencialmente familiar, onde pratica-se a agricultura e pecuária de subsistência. O uso da terra é constituído de pastagens, culturas anuais e perenes e remanescentes florestais em estádio sucessional da tipologia Floresta Estacional Semidecidual, sob o domínio da Floresta Atlântica. 3
4 Figura 1 Localização do Município de Viçosa na Zona da Mata de Minas Gerais... Dados Foi utilizada imagem do sensor IKONOS II com data de aquisição de 9 de outubro de 007, composta por um mosaico georreferenciado, compreendida pelas coordenadas UTM, do canto superior esquerdo N1 = ,00; E1 = ,60 e do canto inferior direito N = ,00 e E = ,60; esta se encontra no sistema WGS 84. A imagem contém as bandas azul (0,45 a 0,5 µm), verde (0,5 a 0,60 µm) e infravermelho próximo (0,76 a 0,90 µm), com resolução de 4 m de resolução e uma banda pancromática de 1 m, com resolução final de 1 m..3. Procedimentos Metodológicos Utilizaram-se os seguintes algoritmos de classificação para a geração das imagens temáticas, com o propósito de mapeamento do uso da terra: máxima verossimilhança, redes neurais, Bhattacharya e isoseg, cujas formulações matemáticas encontram-se a seguir: - Algoritmo Bhattacharya B( pi, pj) 1 ( m1 m) T ( mi mj) 1 ln ( mi mj) em que B = distância de Bhattacharya; Pi e pj = pixels nas classes i e j; mi e mj = médias das classes i e j; T = matriz transposta; ln = logaritmo neperiano; e i e j = classes dentro do contexto i 1 j 1 (1) O classificador de Bhattacharya é um algoritmo de classificação supervisionada, que requer a seleção de áreas de treinamento, podendo utilizar as regiões separadas durante o processo de segmentação ou polígonos representativos das regiões a serem classificadas. Ele utiliza as amostras de 4
5 treinamento para estimar a função densidade de probabilidade das classes apontadas no treinamento. Em seguida, avalia, em cada região, a distância de Bhattacharya entre as classes, conforme Equação 1 (MOREIRA, 005). - Algoritmo isoseg D 1 C 1 i T ( X m ) i ( X m j ) em que D = distância de Mahalanobis; T = matriz transposta; C i = matriz de covariância; m i e m j = vetor de média das classes i e j; e X = região de análise. () O Isoseg é um algoritmo de agrupamento de dados não-supervisionado, aplicado sobre conjunto de regiões que foram caracterizadas por seus atributos estatísticos (média e matriz de covariância) na fase de extração de regiões. Em outras palavras, é uma técnica para classificação que procura agrupar regiões, a partir de uma medida de similaridade entre elas. A medida de similaridade utilizada consiste na distância de Mahalanobis (Equação ) entre a classe e as regiões candidata à relação de pertinência com esta classe (MOREIRA, 005). - Algoritmo backpropagation E 1 i T i O i em que T i = vetor de saídas desejadas para o conjunto de treinamento i; e O i = vetor de saída da rede para o conjunto de treinamento dado. (3) O modelo backpropagation é o algoritmo mais utilizado em modelos de redes neurais. Este é de classificação supervisionada que, minimiza interativamente uma função de erro através das saídas da rede e de um conjunto de saídas desejadas derivadas de um conjunto de dados de treinamento. O processo continua até o erro convergir para um nível baixo aceitável (VIEIRA, 000). - Algoritmo máxima verossimilhança T 1 0,5 log ) 0,5 X X Pc e Det (Vc Mc Vc Mc em que X = vetor de medidas dos pixels desconhecidos; P c = probabilidade de o vetor X ser assinalado na classe c; V c = matriz de covariância da classe c contemplando todas as bandas (K,..., L); Det (V c ) = determinante da matriz de covariância V c ; M c = vetor das médias para cada classe c; e T = matriz transposta. (4) O algoritmo da máxima verossimilhança avalia a variância e a covariância das categorias de padrões de resposta espectral quando classifica um pixel desconhecido. Para isto, assume-se que a 5
6 distribuição da nuvem de pontos que forma a categoria dos dados de treinamento é Gaussiana (distribuição normal). Assumida essa suposição, a distribuição de um padrão de resposta espectral da categoria pode ser complemente descrita por um valor de média e a matriz de covariância. Com estes parâmetros é possível calcular a probabilidade estatística de um dado valor de pixel pertencente a uma classe particular de cobertura da terra (LILLESAND; KIEFFER, 004). Os dados foram processados no programa Spring 4.3, para a geração das imagens temáticas, com a exceção do algoritmo de redes neurais, que foi processado no programa computacional Idrisi The Andes Edition. Foram identificadas, após várias visitas à área de estudo, seis classes predominantes dentro da imagem, cujos temas encontram-se descritos no Quadro 1. Quadro 1 Relação de classes temáticas utilizadas nas classificações Item Classe Cor Descrição 1 Florestal Áreas de reflorestamento e de floresta nativa (mata e capoeira) Agricultura Áreas composta por lavouras de café, culturas de milho, feijão, etc. 3 Pastagem Áreas cobertas de gramíneas, utilizada para o pastorio 4 Urbana Áreas urbanas 5 Hidrografia Corpos d água 6 Outros A própria moldura (fundo da imagem) e nuvens Para os algoritmos de classificação por máxima verossimilhança e redes neurais por pixel e Bhattacharya por região, onde foi aplicado o método supervisionado, que envolve a coleta de amostras para treinamento dos algoritmos de classificação. As amostras foram coletadas de regiões representativas de cada classe. O algoritmo isoseg é por região e aplicado o método não supervisionado. O algoritmo Battacharya utiliza, além das amostras de treinamento, uma imagem segmentada para gerar a imagem classificada. O limiar de aceitação utilizado foi de 100%. O limiar dado em percentagem define uma distância de Mahalanobis, de forma que todas as regiões pertencentes a uma dada classe por uma distância inferior a esta (INPE, 004). Quanto maior o limiar, maior esta distância e consequentemente menor será o número de classes detectadas pelo algoritmo. Os dados de similaridade, área e limiar de aceitação foram escolhidos com base nas imagens geradas, pela técnica visual. O classificador por regiões isoseg foi implementado em conjunto com a imagem segmentada pelos índices de similaridade de área (pixels), além de utilizar um limiar de 75%. De acordo com Bins et al. (1996), o segmentador implementado no programa computacional Spring é baseado nas técnicas de segmentação tradicionais, com algumas modificações que parcialmente resolvem o problema da dependência na ordem de unir as regiões. 6
7 3. Avaliação da exatidão da classificação Para avaliar-se a exatidão da classificação torna-se necessário comparar o mapa obtido através da classificação dos dados de sensor com dados de referência (JENSEN, 1996) ou verdade de campo. A relação entre estes dois conjuntos informacionais geralmente é resumida em uma matriz de confusão ou tabela de contingência (LILLESAND; KIEFFER, 1994). A matriz de erros ou de confusão identifica o erro global da classificação para cada categoria, mostrando também como se deram as confusões entre as categorias (BRITES, 1996). O exame da matriz de erros revela, para cada categoria, erros de omissão e de comissão. Erros de omissão podem ser descritos como a omissão no mapa de uma determinada feição constatada em campo, e, erros de comissão são descritos como atribuição no mapa de determinada feição a uma classe a qual a mesma não pertence, segundo levantamento de campo (CAMPBELL, 1987). Gong e Howard (1990), citados por Brites (1996), sugerem o índice kappa como um dos procedimentos mais utilizados para mensurar a exatidão das classificações temáticas por representar inteiramente a matriz de confusão, conforme Quadro. Quadro Representação esquemática de uma matriz de erros Floresta Agrícola Pasto Urbano Água Outros Totais Erro de omissão Floresta Agrícola Pasto Urbano Água outros Totais Erro de Comissão Imagem a ser avaliada Imagem de referencia Linhas marginais Colunas marginais Diagonal mostra os pixels classificado corretamente Somatório da diagonal mostra o número total de pixels classificados corretamente Colgaton (1991) relata que o uso do coeficiente kappa (K) é satisfatório na avaliação da precisão de uma classificação temática, pelo fato de levar em consideração toda a matriz de confusão no seu cálculo, inclusive os elementos de fora da diagonal principal, os quais representam as discordâncias na classificação, diferentemente da exatidão global, por exemplo, que utiliza somente os elementos diagonais (concordância real). 7
8 A exatidão global é definida pela soma dos elementos da diagonal da matriz dividida pelo número total da a mostra. O cálculo do índice kappa é efetuado por meio da seguinte relação (CONGALTON; GREEN, 1998): (5) em que X = elemento da matriz de erros; R = número de categorias presentes na matriz de erros; X ii = elementos da diagonal principal; X i+ = total da linha para uma dada categoria informacional; e X +i = total da coluna para uma dada categoria informacional. De acordo com Congalton e Green (1998), as classificações das imagens geradas em sensoriamento remoto são classificadas em determinados intervalos de valores, conforme os níveis de aceitação no Quadro 3. Quadro 3 Intervalo de aceitação dos resultados do índice Kappa Índice Kappa (K) Características K < 0,4 Pobre 0,4 < K < 0,8 Razoável K > 0,8 Excelente 4. Resultados e Discussão Após a realização das classificações e obtidos os dados de referência, procedeu-se à validação das imagens temáticas geradas, com a obtenção das matrizes de erros e o cálculo dos índices kappa para cada método empregado, através da equação (5). O Quadro 4 apresenta os resultados dois índices de exatidão kappa e global para os quatro algoritmos de classificação testados. Quadro 4 Os algoritmos de classificação com seus respectivos valores dos índices kappa e global Método Kappa (%) Exatidão Global (%) Battacharya 76,8 80,34 Isoseg 50,91 60,69 Máxima Verossimilhança 53,40 61,64 Rede Neural 63,70 69,66 8
9 As imagens temáticas geradas pelos algoritmos de classificação são mostradas a seguir. Análise visual das imagens mostra que a imagem gerada pelo algoritmo Battacharya apresentou uma melhor discriminação das classes de uso e cobertura da terra presentes na área de estudo, principalmente a classe urbana. Tal fato é confirmado pela análise quantitativa resultante dos índices de exatidão kappa (76,8%) e global (80,34%), valores estes bem superiores aos demais índices gerados pelos demais classificadores, conforme explicitado no Quadro 4. A imagem temática gerada pelo algoritmo da máxima verossimilhança mostrou-se bastante salpicada, característica esta apresentada em imagens de alta resolução, devido á grande variação de objetos em pequenas áreas. No geral, as imagens que são segmentadas antes do processo de classificação geram resultados superiores. Figura Mapa Temático gerado pelo algoritmo Battacharya. 9
10 Figura 3 Imagem Temática gerada pelo algoritmo Isoseg. Figura 4 Imagem temática gerada pelo algoritmo de Máxima Verossimilhança. 10
11 Figura 5 Imagem temática gerada pelo algoritmo de Redes Neurais. 5. Conclusão - A região de estudo é caracterizada por minifúndios, onde se a pratica agricultura familiar e a pecuária de subsistência; desta forma, possuindo uma cobertura do uso da terra bastante heterogenia, provocando com isso uma miscelânea nos valores de pixel, dificultando os algoritmos de classificação. - O algoritmo de classificação Battacharya foi o que gerou a imagem temática com melhor discriminação das classes de uso e cobertura da terra presente na área de estudo, o que foi comprovado pelos índices de exatidão Kappa e Global, superiores aos demais avaliados. Referências Bibliografias BINS, L. S.; FONSECA, L. M. G.; ERTHAL, G. J.; MITSUO, F. Satellite imagery segmentation: a region growing approach. In: SIMPÓSIO DE SENSORIAMENTO REMOTO, 8. (SBSR), Salvador. Anais... São José dos Campos: INPE, 004. p CD-ROM. BRITES, R. S. Verificação de exatidão em classificação de imagens digitais orbitais: efeito de diferentes estratégias de amostragem e avaliação de índices de exatidão f. Tese (Doutorado em Ciência Florestal) Universidade Federal de Viçosa, Viçosa, CAMPBELL, J. B. Introduction to remote sensing. New York: The Guilford Press, p. 11
12 COLGATON, R. G. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, v. 49, n. 1, p , CONGALTON, R. G.; GREEN, K. Assessing the accuracy of remotely sensed data: principles and practices. New York: Lewis Publishers, p. COSTA, T. C. C. Avaliação de estratégias para classificação de imagens orbitais em mapeamento de uso e cobertura da terra f. Tese (Doutorado em Ciência Florestal) Universidade Federal de Viçosa, Viçosa, COUTINHO, A. C. Segmentação e classificação de imagens LANDSAT TM para o mapeamento dos usos da terra na região de Campinas, SP f. Dissertação (Mestrado em Ciências) Universidade de São Paulo, São Paulo, CRÓSTA, A. P. Processamento digital de imagens de sensoriamento remoto. Campinas: IG/UNICAMP, p. FLORENZANO, T. G. Imagens de satélite para estudos ambientais. São Paulo: Oficina de Texto, 00. INPE Instituto Nacional de Pesquisas Espaciais. Spring: sistema de processamento de informações georreferenciadas. 004 (manual de ajuda). JENSEN, J. R. Introductory digital image processing: a remote sensing perspective.. ed. New Jersey: Prentice Hall, p. LILLESAND, T. M.; KIEFER, R. W. Remote sensing and image interpretation.. ed. Chichester: John Wiley & Sons, p. MENDONÇA, L. E. R. Utilização de algoritmos de classificação em imagens IKONOS para mapeamento de feições terrestre: um estudo de caso f. Dissertação (Mestrado em Ciência Florestal) Universidade Federal de Viçosa, Viçosa, 006. MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação.. ed. Viçosa: UFV, p. NOVO, E. M. L. M. Sensoriamento remoto: princípios e aplicações. Ed. São Paulo: Edgard Blücher Ltda., p. REZENDE, S. B. Estudo de crono-toposequência em Viçosa Minas Gerais f. Dissertação (Mestrado em Fitotecnia) Universidade Federal de Viçosa, Viçosa, RIBEIRO, R. M. P. Avaliação de métodos de classificação de imagens IKONOS II para o mapeamento da cobertura terrestre f. Dissertação (Mestrado em Ciência Florestal) Universidade Federal de Viçosa, Viçosa, 003. SANTOS, J. C. Extração de atributos de forma e seleção de atributos usando algoritmos genéticos para classificação de regiões f. Dissertação (Computação aplicada) INPE, São José dos Campos, 007. Disponível em: < Acesso em: 6 jul
13 SHIMABUKURO, Y. E.; DUARTE, V.; SANTOS, J. R.; MELLO, E. M. K.; MOREIRA, J. C. Levantamento de áreas desflorestadas na Amazônia através de processamento digital de imagens orbitais. Floresta e Ambiente, v. 6, n. 1, p , VIEIRA, C. A. O. Accuracy of remotely sensing classification of agricultural crops: a comparative study f. Thesis (Ph. D.) University of Nottingham, Nottingham,
Avaliação de métodos de classificação de imagens IKONOS para o mapeamento da cobertura terrestre
Avaliação de métodos de classificação de imagens IKONOS para o mapeamento da cobertura terrestre Regiane Maria Paes Ribeiro 1 Vicente Paulo Soares 2 Carlos Antônio Oliveira Vieira 2 1 Agência Nacional
Leia maisMapeamento do uso da terra baseado em imagem Ikonos II com a utilização de algoritmos classificadores por pixels e por regiões
Mapeamento do uso da terra baseado em imagem Ikonos II com a utilização de algoritmos classificadores por pixels e por regiões Luís Eduardo Ribeiro de Mendonça 1 Vicente Paulo Soares 1 José Marinaldo Gleriani
Leia maisAvaliação de algoritmos de classificação supervisionada para imagens do Cbers-2 da Região do Parque Estadual do Rio Doce-MG
Avaliação de algoritmos de classificação supervisionada para imagens do Cbers-2 da Região do Parque Estadual do Rio Doce-MG Mayra Luíza Marques da Silva 1 Geraldo Paulino Marques Pereira 2 1 Universidade
Leia maisMaria Gonçalves da Silva Barbalho 1 André Luiz Monteiro da Silva 1 Mariana Almeida de Araújo 1 Rafael Antônio França Ferreira 1
Imagens CBERS para o Monitoramento da 2 a Safra Agrícola de 2004 Município de Jataí Goiás Maria Gonçalves da Silva Barbalho 1 André Luiz Monteiro da Silva 1 Mariana Almeida de Araújo 1 Rafael Antônio França
Leia maisAlterações no padrão de cobertura da terra na Zona Oeste da cidade do Rio de Janeiro/RJ nos anos de 1985 e DOMINIQUE PIRES SILVA
Alterações no padrão de cobertura da terra na Zona Oeste da cidade do Rio de Janeiro/RJ nos anos de 1985 e 2010. DOMINIQUE PIRES SILVA Universidade Federal Rural do Rio de Janeiro E-mail: nique_rhcp@hotmail.com
Leia maisClassificação de imagens de Sensoriamento Remoto. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo
Classificação de imagens de Sensoriamento Remoto Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo Conteúdo programático e Objetivos Conceito de classificação e fotointerpretação Classificações
Leia maisCOMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA
COMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA Rodrigo Moura Pereira¹ (UEG) Gustavo Henrique Mendes
Leia maisSegmentação e Classificação. Prof. Herondino
Segmentação e Classificação Prof. Herondino Segmentação Neste processo, divide-se a imagem em regiões que devem corresponder às áreas de interesse da aplicação. Entende-se por regiões um conjunto de "pixels"
Leia maisFigura 1 - Abrangência espacial do Bioma Cerrado. Fonte: Adaptado de Scariot et al. (2005).
IDENTIFICAÇÃO DE ÁREAS DESMATADAS ATRAVÉS DE SEGMENTAÇÃO E CLASSIFICAÇÃO DE IMAGENS DO MODELO LINEAR DE MISTURA ESPECTRAL APLICADO A DADOS DO SENSOR LANDSAT 5/TM, NO MUNICÍPIO DE SAPEZAL-MT. Bruno Rodrigues
Leia maisAVALIAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO SUPERVISIONADA DE IMAGEM DIGITAL DO SATÉLITE IKONOS NA REGIÃO DA SERRA DO SALITRE - MG
AVALIAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO SUPERVISIONADA DE IMAGEM DIGITAL DO SATÉLITE IKONOS NA REGIÃO DA SERRA DO SALITRE - MG Julierme Wagner da Penha Universidade Federal de Viçosa UFV juliermewagner@yahoo.com.br
Leia maisSensoriamento Remoto
LABORATÓRIOS DIDÁTICOS DE GEOPROCESSAMENTO Sensoriamento Remoto Classificação Supervisionada de Imagens de Sensoriamento Remoto Elaboração: Cláudia Soares Machado Mariana Giannotti Rafael Walter de Albuquerque
Leia maisTatiana Ayako Taura 1 Iêdo Bezerra Sá 1 Tony Jarbas Ferreira Cunha 1 Vanderlise Giongo Petrere 1 Manoel Batista de Oliveira Neto 2
Experimento de segmentação de imagens para elaboração do mapa de uso do solo para contribuir com a revitalização do Rio São Francisco nos municípios de Petrolina, Lagoa Grande e Santa da Boa Vista Tatiana
Leia maisMapeamento do uso do solo para manejo de propriedades rurais
1/28 Mapeamento do uso do solo para manejo de propriedades rurais Teoria Eng. Allan Saddi Arnesen Eng. Frederico Genofre Eng. Marcelo Pedroso Curtarelli 2/28 Conteúdo programático: Capitulo 1: Conceitos
Leia maisPROGRAMA DE ENSINO. 3 quadrimestre Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Código Semestre Ano Letivo 3 quadrimestre 2018 Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO
Leia maisAvaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS
http://dx.doi.org/10.12702/viii.simposfloresta.2014.131-592-1 Avaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS Juliana Tramontina 1, Elisiane
Leia maisVALIDAÇÃO DAS CLASSIFICAÇÕES DAS IMAGENS DOS SATÉLITES LANDSAT 8 E SENTINEL-2 NA BACIA HIDROGRÁFICA DO CÓRREGO RIBEIRÃOZINHO/MS
VALIDAÇÃO DAS CLASSIFICAÇÕES DAS IMAGENS DOS SATÉLITES LANDSAT 8 E SENTINEL-2 NA BACIA HIDROGRÁFICA DO CÓRREGO RIBEIRÃOZINHO/MS VALIDATION OF CLASSIFICATIONS OF THE IMAGES OF THE LANDSAT 8 AND SENTINEL-2
Leia maisEXPANSÃO AGROPECUÁRIA NA BACIA HIDROGRÁFICA DO RIO AREIAS, TOCANTINS.
26 a 29 de novembro de 2013 Campus de Palmas EXPANSÃO AGROPECUÁRIA NA BACIA HIDROGRÁFICA DO RIO AREIAS, TOCANTINS. Mariléia Lacerda Barros Silva¹, Emerson Figueiredo Leite². ¹Aluno do Curso de Geografia
Leia maisIMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES
IMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES RAFAEL COLL DELGADO 1 ; GILBERTO CHOHAKU SEDIYAMA 2 ; EVALDO DE PAIVA LIMA 3, RICARDO GUIMARÃES ANDRADE 4
Leia maisDesempenho de classificadores de SIG em imagens do Landsat-8 da Bacia Hidrográfica do Rio São Francisco Verdadeiro Oeste do PR, no ano de 2015
https://eventos.utfpr.edu.br//sicite/sicite2017/index Desempenho de classificadores de SIG em imagens do Landsat-8 da Bacia Hidrográfica do Rio São Francisco Verdadeiro Oeste do PR, no ano de 2015 RESUMO
Leia maisGEOPROCESSAMENTO. Classificação de imagens de Sensoriamento Remoto. Prof. Luiz Rotta
GEOPROCESSAMENTO Classificação de imagens de Sensoriamento Remoto Prof. Luiz Rotta CLASSIFICAÇÃO Processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos Sensoriamento
Leia maisClassificação orientada objeto de imagem de alta resolução para modelagem hidrológica em sub-bacias do Alto Rio Grande
Classificação orientada objeto de imagem de alta resolução para modelagem hidrológica em sub-bacias do Alto Rio Grande Gil Júlio de Souza Netto 1 Luís Marcelo Tavares de Carvalho 2 Malcon do Prado Costa
Leia maisAvaliação de métodos de classificação em ortofotocartas digitais para identificação do uso e ocupação do solo
Avaliação de métodos de classificação em ortofotocartas digitais para identificação do uso e ocupação do solo Gesner Cardoso Porfírio 1 Giovanni de Araujo Boggione 1 1 Centro Federal de Educação Tecnológica
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS SER-300: INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório II: Cartografia em GIS/Registro
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Avaliação de Classificação
Estatística: Aplicação ao Sensoriamento Remoto SER 204 - ANO 2018 Avaliação de Classificação Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ Classificação e Incerteza
Leia maisCLASSIFICAÇÃO PIXEL A PIXEL DE CULTIVOS CAFEEIROS EM IMAGEM DE SATÉLITE DE ALTA RESOLUÇÃO
CLASSIFICAÇÃO PIXEL A PIXEL DE CULTIVOS CAFEEIROS EM IMAGEM DE SATÉLITE DE ALTA RESOLUÇÃO RENNAN DE FREITAS BEZERRA MARUJO 1, TATIANA GROSSI CHQUILOFF VIEIRA 2, MARGARETE MARIN LORDELO VOLPATO 3, HELENA
Leia maisCampus de Presidente Prudente PROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Semestre Código Ano Letivo Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO ( x ) DOUTORADO
Leia maisTRATAMENTO DOS DADOS DE SATÉLITES
TRATAMENTO DOS DADOS DE SATÉLITES Fonte de radiação SISTEMA DE COLETA Trajetória ria PRODUTOS INTERAÇÃO SISTEMA TRATAMENTO AÇÕES Produto final Tratamento de imagem Consiste em aplicar determinadas técnicas
Leia maisEXATIDÃO DE CLASSIFICAÇÕES AUTOMÁTICAS DE UMA IMAGEM LANDSAT 5 TM PARA A REGIÃO CAFEEIRA DE MACHADO, MG
EXATIDÃO DE CLASSIFICAÇÕES AUTOMÁTICAS DE UMA IMAGEM LANDSAT 5 TM PARA A REGIÃO CAFEEIRA DE MACHADO, MG Walbert J. R. Santos¹; Tatiana G. C. Vieira²; Tiago Bernardes 3 ; Helena M. R. Alves 4 ; Sandra P.
Leia maisMapeamento de Uso da Terra através de utilização de imagens CBERS
Mapeamento de Uso da Terra através de utilização de imagens CBERS Fernando Yutaka Yamaguchi 1 Glailson Barreto Silva 1 Helge Henriette Sokolonski 1 José Henrique Vilas Boas 1 Mario Luiz Pereira da Silva
Leia maisAnálise Temporal De Uso/Cobertura Do Solo Na Bacia Da Represa Do Rio Salinas, Minas Gerais
Análise Temporal De Uso/Cobertura Do Solo Na Bacia Da Represa Do Rio Salinas, Minas Gerais Bárbara Mendes Oliveira (1) ; Rhagnya Sharon Ferreira Martins (1) ; Ronaldo Medeiros dos Santos (2) (1) Estudante,
Leia maisSENSORIAMENTO REMOTO NA IDENTIFICAÇÃO E QUANTIFICAÇÃO DE ÁREAS ÚMIDAS NO DISTRITO FEDERAL
SENSORIAMENTO REMOTO NA IDENTIFICAÇÃO E QUANTIFICAÇÃO DE ÁREAS ÚMIDAS NO DISTRITO FEDERAL Andreia Maria da Silva França 1,2, Edson Eyji Sano 2, Allana de Oliveira Sousa 2,3, Rômulo Almeida Fonseca 2,3
Leia maisSENSORIAMENTO REMOTO APLICADO A ANÁLISE AMBIENTAL NO SEMIÁRIDO: A CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA NO MUNICÍPIO DE FEIRA DE SANTANA-BA
Revista do CERES Volume 1, Número 2 2015 http://www.cerescaico.ufrn.br/ceres/ SENSORIAMENTO REMOTO APLICADO A ANÁLISE AMBIENTAL NO SEMIÁRIDO: A CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA NO MUNICÍPIO DE
Leia maisPrograma Analítico de Disciplina ENF310 Fotogrametria e Fotointerpretação
0 Programa Analítico de Disciplina ENF30 Fotogrametria e Fotointerpretação Departamento de Engenharia Florestal - Centro de Ciências Agrárias Número de créditos: 4 Teóricas Práticas Total Duração em semanas:
Leia maisAVALIAÇÃO DE TÉCNICAS CLASSIFICAÇÃO NA EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE ALTA RESOLUÇÃO DO SENSOR AEROTRANSPORTADO ADS-80.
AVALIAÇÃO DE TÉCNICAS CLASSIFICAÇÃO NA EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE ALTA RESOLUÇÃO DO SENSOR AEROTRANSPORTADO ADS-80. Marcelo Parise 1, Wandrevy Ribeiro dos Santos 2 1 Oceanólgo, Analista em C & T,
Leia maisCLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC
p. 001-007 CLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC RAPHAEL SOUZA RIBEIRO DENILSON DORTZBACH. JUAN ANTÔNIO ALTAMIRANO FLORES Universidade
Leia maisCOMPARAÇÃO TEMÁTICA DE IMAGENS FUSIONADAS E NÃO FUSIONADAS RESUMO ABSTRACT
COMPARAÇÃO TEMÁTICA DE IMAGENS FUSIONADAS E NÃO FUSIONADAS Júlio César Albuquerque Simões Belo 1 ; Mirelly de Oliveira Farias 2 ; João Rodrigues Tavares Junior 3 ; Ana Lúcia Bezerra Candeias 4 1,2,3,4
Leia maisCOMPARAÇÃO DE DIFERENTES CLASSIFICADORES E ESTRATÉGIAS DE PÓS-CLASSIFICAÇÕES NA ANALISE DO USO E COBERTURA DO SOLO NO MUNICÍPIO DE VIÇOSA - MG
COMPARAÇÃO DE DIFERENTES CLASSIFICADORES E ESTRATÉGIAS DE PÓS-CLASSIFICAÇÕES NA ANALISE DO USO E COBERTURA DO SOLO NO MUNICÍPIO DE VIÇOSA - MG MARIANA MÉDICE FIRME SÁ 1 EVERTON LUÍS POELKING 1 SANDRO H.
Leia maisQuestões concursos
Questões concursos Grandezas radiométricas Índices de vegetação Classificação Concurso Público para Pesquisador do IMB Instituto Mauro Borges de Estatísticas e Estudos Socioeconômicos 25. A
Leia maisInfluência da segmentação no processo de classificação por região. Julio Cesar de Oliveira 1 Joisceany Moreira Ferreira da Silva 2
Influência da segmentação no processo de classificação por região Julio Cesar de Oliveira 1 Joisceany Moreira Ferreira da Silva 2 Universidade Federal de Viçosa UFV / DEC Campus Universitário CEP 36570-000
Leia maisF- Classificação. Banda A
F- Classificação Classificação Digital é associar determinado pixel a determinada categoria por meio de critérios estatísticos Banda B? da d b dc Espaço dos Atributos Classes Banda A Classificação: ordenar,
Leia mais4 Método Proposto CR AD PA NDVI Descrição geral do modelo
34 4 Método Proposto 4.1. Descrição geral do modelo Neste trabalho, cada classe (cobertura vegetal) possui um HMM específico. Os estágios fenológicos correspondem a estados e os símbolos observáveis a
Leia maisPROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Semestre Código Ano Letivo Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO ( x ) DOUTORADO
Leia maisAplicação da Metodologia do PRODES Digital em Imagens CCD/CBERS-2
Aplicação da Metodologia do PRODES Digital em Imagens CCD/CBERS-2 Giovana Mira de Espindola 1 Natalia de Almeida Crusco 1 José Carlos Neves Epiphanio 1 1 Instituto Nacional de Pesquisas Espaciais - INPE
Leia maisCamila Aguirre Góes 1 Wilson Lins de Mello Filho 2 Valquíria Quirino 1 Melissa Carvalho 3
Avaliação da acurácia de classificadores, utilizando técnica de fusão de bandas dos sensores ETM + /LANDSAT-7 e CCD/CBERS-1. Camila Aguirre Góes 1 Wilson Lins de Mello Filho 2 Valquíria Quirino 1 Melissa
Leia maisAVALIAÇÃO DAS IMAGENS TM/LANDSAT-5, TM/LANDSAT-7 E CBERS/CCD COMO BASE DE DADOS PARA PROJETOS DE REFORMA AGRÁRIA.
AVALIAÇÃO DAS IMAGENS TM/LANDSAT-5, TM/LANDSAT-7 E CBERS/CCD COMO BASE DE DADOS PARA PROJETOS DE REFORMA AGRÁRIA. MARINA DE FÁTIMA VILELA 1 VICENTE PAULO SOARES 2 1 EMBRAPA Cerrados BR 020, Km 18 Rodovia
Leia maisPMI 3331 GEOMÁTICA APLICADA À ENGENHARIA DE PETRÓLEO
UNIVERSIDADE DE SÃO PAULO Escola Politécnica Departamento de Engenharia de Minas e de Petróleo PMI Graduação em Engenharia de Petróleo PMI 3331 GEOMÁTICA APLICADA À ENGENHARIA DE PETRÓLEO PROCESSAMENTO
Leia maisAVALIAÇÃO DO USO DO MODELO LINEAR DE MISTURA ESPECTRAL NA DISCRIMINAÇÃO DE FITOFISIONOMIAS DO CERRADO
AVALIAÇÃO DO USO DO MODELO LINEAR DE MISTURA ESPECTRAL NA DISCRIMINAÇÃO DE FITOFISIONOMIAS DO CERRADO Márcio Pupin de Mello 1, Gustavo Bayma Siqueira da Silva 1, Gabriel Pereira 1, Bruno Rodrigues do Prado
Leia maisClassificação Híbrida. Não permite mudar a escala de trabalho, ou seja, a escala original em que a imagem foi confeccionada.
Capítulo 17 Classificação Híbrida Nos Capítulos 14, 15 e 16 foram discutidas as técnicas visuais e digitais para interpretar imagens de satélites. No entanto, qual dessas duas metodologias deve ser usada
Leia maisImagens Landsat/TM restauradas para mapeamento de lavouras cafeeiras no Estado de Minas Gerais
Imagens Landsat/TM restauradas para mapeamento de lavouras cafeeiras no Estado de Minas Gerais Mauricio Alves Moreira Marcos Adami Marco Aurélio Barros Viviane Gomes Cardoso de Faria Bernardo Friedrich
Leia maisDaniela Arnold Tisot Antônio Roberto Formaggio Lênio Soares Galvão Camilo Daleles Rennó
Dados Hyperion e ETM + na classificação de alvos agrícolas com diferentes níveis de distinção espectral Daniela Arnold Tisot Antônio Roberto Formaggio Lênio Soares Galvão Camilo Daleles Rennó Instituto
Leia maisDETERMINAÇÃO DAS ÁREAS CAFEEIRAS ATRAVÉS DA ANALISE MULTI - TEMPORAL DE IMAGENS DE SATELITE, DE 1997 E 1999.
DETERMINAÇÃO DAS ÁREAS CAFEEIRAS ATRAVÉS DA ANALISE MULTI - TEMPORAL DE IMAGENS DE SATELITE, DE 1997 E 1999. SANDRO MANUEL CARMELINO HURTADO 1 LUIS MARCELO TAVARES DE CARVALHO 1 ELIZABETH FERREIRA 1 1
Leia maisCaroline Leão 1 Lilian Anne Krug 1 Milton Kampel 1 Leila Maria Garcia Fonseca 1
Avaliação de métodos de classificação em imagens TM/Landsat e CCD/CBERS para o mapeamento do uso e cobertura da terra na região costeira do extremo sul da Bahia Caroline Leão 1 Lilian Anne Krug 1 Milton
Leia maisUso de SIG para confecção de um mapa de uso e ocupação do solo do município de Bambuí-MG
Uso de SIG para confecção de um mapa de uso e ocupação do solo do município de Bambuí-MG Ana Carolina Toledo Rocha (1) ; Sérgio Augusto Alves Rodrigues Barbosa (1) ; Jairo Rodrigues Silva (2) (1) Mestrandos
Leia maisGERAÇÃO DE UMA CARTA COM VALORES DE ESCOAMENTO SUPERFICIAL A PARTIR DE SENSORIAMENTO REMOTO
GERAÇÃO DE UMA CARTA COM VALORES DE ESCOAMENTO SUPERFICIAL A PARTIR DE SENSORIAMENTO REMOTO Rômulo M. AMORIM 1 ; Fábio L. ALBARICI 2 ; Miguel A. I. DEL PINO 3 ; RESUMO O escoamento superficial de uma área
Leia maisAllan Arantes PEREIRA 1 ; Thomaz Alvisi de OLIVEIRA 1 ; Mireile Reis dos SANTOS 1 ; Jane Piton Serra SANCHES 1
5ª Jornada Científica e Tecnológica e 2º Simpósio de Pós-Graduação do IFSULDEMINAS 06 a 09 de novembro de 2013, Inconfidentes/MG APLICAÇÕES DE GEOTECNOLOGIAS NA ANÁLISE ESPAÇO-TEMPORAL DAS TENDÊNCIAS DE
Leia mais1. Unidade Amostral de Paisagem Localização
ANEXO IV Modelo de Relatório com os Resultados do Mapeamento de Uso e Cobertura da terra de cada Unidade Amostral de Paisagem (UAP) e respectiva Avaliação da Acuracidade Temática RELATÓRIO UAP1214 Resultados
Leia maisMapeamento do uso do solo
Multidisciplinar Mapeamento do uso do solo para manejo de propriedades rurais Allan Arnesen Frederico T. Genofre Marcelo Pedroso Curtarelli CAPÍTULO 4 Técnicas de classificação de imagens e processamento
Leia maisSegmentação de imagens-fração derivadas do sensor TM-Landsat para o mapeamento do uso do solo no municipio de Sapezal (MT)
Segmentação de imagens-fração derivadas do sensor TM-Landsat para o mapeamento do uso do solo no municipio de Sapezal (MT) JOSÉ L. RODRÍGUEZ YI, LUIGI C. MARRONI AULICINO, YOSIO E. SHIMABUKURO, BERNARDO
Leia maisAVALIAÇÃO DE CLASSIFICADORES AUTOMÁTICOS NO MAPEAMENTO DE ÁREAS CAFEEIRAS DA REGIÃO DE GUAXUPÉ, MINAS GERAIS
AVALIAÇÃO DE CLASSIFICADORES AUTOMÁTICOS NO MAPEAMENTO DE ÁREAS CAFEEIRAS DA REGIÃO DE GUAXUPÉ, MINAS GERAIS Tatiana Grossi Chquiloff Vieira 2 ; Helena Maria Ramos Alves 3 ; Margarete Marin Lordelo Volpato
Leia maisCidade Universitária Zeferino Vaz Campinas - SP
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7324 Avaliação de classificadores para o mapeamento de uso da terra Ariadiny
Leia maisQUANTIFICAÇÃO E CARACTERIZAÇÃO DAS ÁREAS DE DESMATAMENTO NO ESTADO DO TOCANTINSS DURANTE O PERÍODO DE 1995 A 2000
QUANTIFICAÇÃO E CARACTERIZAÇÃO DAS ÁREAS DE DESMATAMENTO NO ESTADO DO TOCANTINSS DURANTE O PERÍODO DE 1995 A 2000 Nome dos autores: Mário do Nascimento Teles Ritter¹; Marcos Giongo² 1 Aluno do Curso de
Leia maisEXTRAÇÃO DE TELHADOS DE BARRO EM IMAGENS DE ALTA RESOLUÇÃO CLAY ROOF EXTRACTION IN HIGH RESOLUTION IMAGES
EXTRAÇÃO DE TELHADOS DE BARRO EM IMAGENS DE ALTA RESOLUÇÃO Roberto Neres Quirino de Oliveira 1 Ana Lúcia Bezerra Candeias 2 1 Universidade Federal de Pernambuco UFPE Graduação Engª Cartográfica roberto.qoliveira@ufpe.br
Leia maisPROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO
PROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO Jairo Lima do Nascimento 1, George Leite Mamede 2, João Paulo do Vale Madeiro 3 Resumo: A aplicação de técnicas
Leia maisCLASSIFICAÇÃO MULTIESPECTRAIS
CLASSIFICAÇÃO EM IMAGENS MULTIESPECTRAIS Classificação em imagens multiespectrais Imagens multiespectrais Padrão (vetor) Espaço de atributos Classificação Classificação em imagens multiespectrais Imagens
Leia maisARTIGO COM APRESENTAÇÃO BANNER - MONITORAMENTO AMBIENTAL
ARTIGO COM APRESENTAÇÃO BANNER - MONITORAMENTO AMBIENTAL ANÁLISE MULTITEMPORAL DA COBERTURA VEGETAL NO MUNICIPIO DE SÃO MIGUEL DO GUAMÁ, ESTADO DO PARÁ. RAYSSA CHAVES BRAGA, LAIS VIEIRA DE CARVALHO, MERILENE
Leia maisREDES NEURAIS ARTIFICIAIS (RNA) PARA IDENTIFICAÇÃO DE ÁREAS CAFEEIRAS EM IMAGENS DE SATÉLITE: TREINAMENTO E DEFINIÇÃO DE ARQUITETURAS
REDES NEURAIS ARTIFICIAIS (RNA) PARA IDENTIFICAÇÃO DE ÁREAS CAFEEIRAS EM IMAGENS DE SATÉLITE: TREINAMENTO E DEFINIÇÃO DE ARQUITETURAS Liliany Aparecida dos Anjos Pereira (1), Tatiana Grossi Chquiloff Vieira
Leia maisAnais 2º Simpósio de Geotecnologias no Pantanal, Corumbá, 7-11 novembro 2009, Embrapa Informática Agropecuária/INPE, p
Avaliação da acurácia dos classificadores de máxima verossimilhança, mínima distância euclidiana e isodata na classificação de imagens da região do Pantanal Atilio Efrain Bica Grondona 1 1 Centro Estadual
Leia maisartigo anterior Mudanças no uso do solo nas bacias do rio Preto e ribeirão Entre Ribeiros/MG a partir de imagens do sensor Landsat 5 TM Abstract
Mudanças no uso do solo nas bacias do rio Preto e ribeirão Entre Ribeiros/MG a partir de imagens do sensor Landsat 5 TM Marcelo de Oliveira Latuf Mauro Aparecido Martinez Fernando Falco Pruski Demetrius
Leia maisUso de imagens ASTER para o mapeamento do uso e cobertura da terra na bacia hidrográfica do rio São Domingos, RJ.
Uso de imagens ASTER para o mapeamento do uso e cobertura da terra na bacia hidrográfica do rio São Domingos, RJ. Elaine Cristina Cardoso Fidalgo (1) Marcelo Bueno de Abreu (2) Empresa Brasileira de Pesquisa
Leia maisTadeu Corrêa Pinheiro. Orientador: Prof. Dr. Gilberto Pessanha Ribeiro
Tadeu Corrêa Pinheiro Orientador: Prof. Dr. Gilberto Pessanha Ribeiro 1 Tópicos 1. Introdução 2. Fundamentação teórica 3. Desenvolvimento do trabalho - Metodologia 4. Apresentação dos resultados 5. Análise
Leia maisANÁLISE DA PRESSÃO ANTRÓPICA SOBRE A COBERTURA VEGETAL DA ÁREA VERDE DO CAMPUS DA UFAM UTILIZANDO SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS (SIG)
ANÁLISE DA PRESSÃO ANTRÓPICA SOBRE A COBERTURA VEGETAL DA ÁREA VERDE DO CAMPUS DA UFAM UTILIZANDO SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS (SIG) Roberta Monique da Silva SANTOS, Engenheira Florestal 1 ; Lizit
Leia maisBanco de Informações Agrícolas do Município de Itápolis SP, Utilizando Imagens de Satélite e Sistema de Informações Geográficas
Banco de Informações Agrícolas do Município de Itápolis SP, Utilizando Imagens de Satélite e Sistema de Informações Geográficas VALDETE DUARTE MAURÍCIO ALVES MOREIRA BERNARDO FRIEDRICH THEODOR RUDORFF
Leia maisMapeamento de áreas ocupadas com cana-de-açúcar no município de Campo Florido por meio de imagens Landsat / TM
Mapeamento de áreas ocupadas com cana-de-açúcar no município de Campo Florido por meio de imagens Landsat / TM Laís Naiara Gonçalves dos Reis, Jorge Luís Silva Brito Universidade Federal de Uberlândia
Leia maisAplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7
http://dx.doi.org/10.12702/viii.simposfloresta.2014.8-528-1 Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7 Pablo F. Lopes 1, Thaissa R. Teixeira
Leia maisCLASSIFICAÇÃO DE UMA IMAGEM IKONOS UTILIZANDO AS TÉCNICAS PIXEL A PIXEL E A ANÁLISE ORIENTADA A REGIÃO
CLASSIFICAÇÃO DE UMA IMAGEM IKONOS UTILIZANDO AS TÉCNICAS PIXEL A PIXEL E A ANÁLISE ORIENTADA A REGIÃO Ítalo Cavassim Junior 1 Jorge Centeno 2 1 Universidade Federal do Paraná italo@geoc.ufpr.br 2 Universidade
Leia maisUSO DO APLICATIVO SPRING NO USO E OCUPAÇÃO DO SOLO: ESTUDO DE CASO NA REGIÃO DE SANTA CARMEN MT
USO DO APLICATIVO SPRING NO USO E OCUPAÇÃO DO SOLO: ESTUDO DE CASO NA REGIÃO DE SANTA CARMEN MT Tainã Cádija Almeida de Mamede¹ Joselisa Maria Chaves² Jonathas Jesus dos Santos³ ¹ Bióloga, Professora da
Leia maisGEOPROCESSAMENTO. Bases conceituais e teóricas. Prof. Luiz Henrique S. Rotta
1 GEOPROCESSAMENTO Bases conceituais e teóricas Prof. Luiz Henrique S. Rotta GEOPROCESSAMENTO Disciplina do conhecimento que utiliza técnicas matemáticas e computacionais para o tratamento da informação
Leia maisAnálise comparativa do desempenho de algoritmos de classificação para o mapeamento de áreas de cultivo de banana
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7509 Análise comparativa do desempenho de algoritmos de classificação para o
Leia maisAplicação de redes neurais artificiais na classificação de imagens obtidas por sensoriamento remoto
Aplicação de redes neurais artificiais na classificação de imagens obtidas por sensoriamento remoto Alexandre G. de Lima 1, Adrião Duarte Dória Neto 1, Jailton Carlos de Paiva 1, Vitor Meneghtetti 1, Xiankleber
Leia maisUtilização de imagens de satélite para criação do mapa de uso e cobertura da terra para o estado de Goiás Ano base 2015
Utilização de imagens de satélite para criação do mapa de uso e cobertura da terra para o estado de Goiás Ano base 2015 Robson Vieira Coelho 1 (IC)*, Silvio Braz de Sousa 2 (PO) 1 - Bolsista de Iniciação
Leia maisGeoprocessamento. Aula - 01/08/2016. Professor: Diogenes Carvalho Viana
Geoprocessamento Aula - 01/08/2016 Professor: Diogenes Carvalho Viana Ementa: Introdução ao Geoprocessamento. Característica dos SIGs. Dados Espaciais. Fontes de Dados. Bases digitais na Internet. Atlas
Leia maisINTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
Leia maisEstudo e Análise do Uso de Imagens do Satélite CBERS-2 - Sensor WFI para Atualização da Rede Hidrográfica - Escala 1:
Estudo e Análise do Uso de Imagens do Satélite CBERS-2 - Sensor WFI para Atualização da Rede Hidrográfica - Escala 1:1.000.000 Cláudio Bielenki Júnior Sergio Donizete Faria Agência Nacional de Águas ANA
Leia maisCriação de mapa temático de uso da terra com diferentes classificadores. Gleyce Kelly Dantas Araújo 1 Jerry Adriani Johann 1,2 Jansle Vieira Rocha 1
Criação de mapa temático de uso da terra com diferentes classificadores Gleyce Kelly Dantas Araújo 1 Jerry Adriani Johann 1,2 Jansle Vieira Rocha 1 1 Universidade Estadual de Campinas - UNICAMP Caixa Postal
Leia mais10º ENTEC Encontro de Tecnologia: 28 de novembro a 3 de dezembro de 2016
ANÁLISE DO USO E OCUPAÇÃO DO SOLO DE UMA COMUNIDADE RURAL NO CERRADO BRASILEIRO: A BAIXA (UBERABA/MG) Élida Rosa da Silva 1 ; Bárbara Campos de Oliveira Perez 2 ; Renato Carneiro Fernandes da Silva 3 ;
Leia maisUSO DE IMAGENS TM LANDSAT 5 PARA ANÁLISE DO ALBEDO E SALDO DE RADIAÇÃO NA BACIA HIDROGRÁFICA DO CAMARAGIBE: DESTAQUE PARA SÃO LUIZ DO QUITUNDE-AL
USO DE IMAGENS TM LANDSAT 5 PARA ANÁLISE DO ALBEDO E SALDO DE RADIAÇÃO NA BACIA HIDROGRÁFICA DO CAMARAGIBE: DESTAQUE PARA SÃO LUIZ DO QUITUNDE-AL Laurizio Emanuel Ribeiro Alves 1 ; Heliofábio Barros Gomes
Leia maisII Semana de Geografia UNESP / Ourinhos 29 de Maio a 02 de Junho de 2006
USO E OCUPAÇÃO DO SOLO NA MICROBACIA CÓRREGO DO PORTO-TRÊS LAGOAS MS SILVA, Laís C.N. Universidade Federal de Mato Grosso do Sul- UFMS lais_cns@yahoo.com.br DELGADO, Valeria P. Universidade Federal de
Leia maisExtração de cicatrizes de movimentos de massa na região de Cubatão SP por meio de técnicas de Interpretação de Imagens
Extração de cicatrizes de movimentos de massa na região de Cubatão SP por meio de técnicas de Interpretação de Imagens Souza Anjos, D. (INPE) ; Sena, I. (INPE) RESUMO Movimentos de massa são caracterizados
Leia maisClassificação de imagens. Qgis Plugin Semi-Automatic Classification Tool. Engenharia Ambiental Geoprocessamento Profa. Ligia F. A.
Classificação de imagens Qgis Plugin Semi-Automatic Classification Tool Engenharia Ambiental Geoprocessamento Profa. Ligia F. A. Batista Espectro Eletromagnético 10-10 10-8 10-4 10-1 1 102 103 104 105
Leia maisEcologia de Paisagem Conceitos e métodos de pesquisa 2012
Ecologia de Paisagem Conceitos e métodos de pesquisa 2012 Bases de sensoriamento remoto Cálculo de métricas com Fragstats Leandro Reverberi Tambosi letambosi@yahoo.com.br Sensoriamento Remoto Conjunto
Leia maisAplicação da metodologia do projeto panamazônia no Pantanal, município de Barão de Melgaço, MT
Aplicação da metodologia do projeto panamazônia no Pantanal, município de Barão de Melgaço, MT Valdete Duarte 1 Paulo Roberto Martini 1 Yosio Edemir shimabukuro 1 Egidio Arai 1 1 Instituto Nacional de
Leia maisÁrea verde por habitante na cidade de Santa Cruz do Sul, RS
SCIENTIA PLENA VOL. 8, NUM. 4 2012 www.scientiaplena.org.br Área verde por habitante na cidade de Santa Cruz do Sul, RS C. C. A. Calegari 1 ; L. Calegari 2 ; M. P. Friedrich 3 ; D. A. Gatto 4 ; D. M. Stargerlin
Leia maisMETODOLOGIA PARA O LEVANTAMENTO PRELIMINAR DE ÁREAS DE SOLOS EXPOSTO UTILIZANDO O SATÉLITE LANDSAT 5 TM+
METODOLOGIA PARA O LEVANTAMENTO PRELIMINAR DE ÁREAS DE SOLOS EXPOSTO UTILIZANDO O SATÉLITE LANDSAT 5 TM+ Márcio Malafia Filho DEGEO - UFJF (marciomalafaia@gmail.com); Rafael Pitangui do Prado Faria DEGEO/UFJF
Leia maisREGIANE MARIA PAES RIBEIRO AVALIAÇÃO DE MÉTODOS DE CLASSIFICAÇÃO DE IMAGENS IKONOS II PARA O MAPEAMENTO DA COBERTURA TERRESTRE
REGIANE MARIA PAES RIBEIRO AVALIAÇÃO DE MÉTODOS DE CLASSIFICAÇÃO DE IMAGENS IKONOS II PARA O MAPEAMENTO DA COBERTURA TERRESTRE Tese apresentada à Universidade Federal de Viçosa, como parte das exigências
Leia maisO Kappa está morto? Uma discussão sobre índices baseados em matrizes de confusão. Camilo Daleles Rennó
O Kappa está morto? Uma discussão sobre índices baseados em matrizes de confusão Camilo Daleles Rennó DPI-GEO-REFERATA São José dos Campos, 16 de setembro de 2015 Pontius X Congalton Congalton, R. G.;
Leia maisProcessamento Digital de Imagens SER Prática de Laboratório
Processamento Digital de Imagens SER 413-4 - Prática de Laboratório Bruna Virginia Neves João Arthur Pompeu Pavanelli Vanessa Camphora Relatório Parcial da prática de laboratório da disciplina de Processamento
Leia maisLeandro Félix da Silva 1 Edwaldo Henrique Bazana Barbosa 1 Bruno de Miranda Nogueira 1 Vitor Matheus Bacani 1
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.6666 Análise do desempenho de classificadores semi-automáticos na detecção de
Leia maisCLASSIFICAÇÃO ORIENTADA A OBJETOS PARA MAPEAMENTO DO USO E COBERTURA DO SOLO UTILIZANDO IMAGEM RAPIDEYE
Presidente Prudente - SP, 24-26 de julho de 2017 p. 239-243 CLASSIFICAÇÃO ORIENTADA A OBJETOS PARA MAPEAMENTO DO USO E COBERTURA DO SOLO UTILIZANDO IMAGEM RAPIDEYE ALEX GARCEZ UTSUMI¹ TERESA CRISTINA TARLÉ
Leia mais