CARACTERIZAÇÃO DO USO DA TERRA NO MUNICÍPIO DE VIÇOSA-MG A PARTIR DE CLASSIFICAÇÃO SUPERVISIONADA COM REDE NEURAL ARTIFICIAL* Eixo 1
|
|
- Giulia Eger
- 5 Há anos
- Visualizações:
Transcrição
1 CARACTERIZAÇÃO DO USO DA TERRA NO MUNICÍPIO DE VIÇOSA-MG A PARTIR DE CLASSIFICAÇÃO SUPERVISIONADA COM REDE NEURAL ARTIFICIAL* Eixo 1 Michelle Milanez França - Bacharel e Licenciada em Geografia, UFV. Mestranda em Solos e Nutrição de Plantas, UFV - milanezmichelle@gmail.com Elpídio Inácio Fernandes Filho - Professor Adjunto do Departamento de Solos, UFV - elpidio@ufv.br Bruno Toríbio de Lima Xavier - Engenheiro Agrônomo e Licenciado em Ciências Agrícolas, UFRPE. Mestrando em Solos e Nutrição de Plantas, UFV - brunotoribio@gmail.com INTRODUÇÃO * Extraído da monografia da primeira autora. Uma imagem de satélite consiste numa representação digital da superfície terrestre. Matematicamente, elas podem ser vistas como matrizes de pontos (ou pixels) com m linhas por n colunas, onde o valor de cada elemento representa a magnitude do total de energia eletromagnética refletida ou emitida pelo sensor. Assim, pode-se aplicar uma gama variada de técnicas de processamento digital de imagens para as matrizes numéricas. A quantificação das classes de uso do solo, obtida pela classificação das imagens de satélite, é uma fonte de informação importante para os municípios e permite uma política mais racional de planejamento territorial, urbano e ambiental. As geotecnologias vêm sendo cada vez mais empregadas para esta finalidade, sobretudo, devido à rapidez e qualidade dos produtos gerados. Foi a partir da década de 1970 que as técnicas de processamento digital obtiveram maiores avanços. Este fato se deu devido principalmente ao crescente interesse comercial nesses produtos. Câmara (2001) ressalta, porém, que tal interesse não foi acompanhado por um avanço teórico e assim o seu aprendizado tornou-se dificultado. Para ele, as raízes deste problema encontram-se na natureza interdisciplinar desta ciência, com base na Geografia, Informática, Planejamento Urbano, Engenharias e Estatística, dentre outras. Frente a esta lacuna teórico-conceitual, o espaço geográfico constitui-se como um conceito muito importante para a consolidação destes fundamentos teóricos. Milton Santos foi um dos geógrafos mais preocupados em analisar a correspondência entre o espaço geográfico e as geotecnologias para o estudo da sociedade e das mudanças que se perpassam na ocupação do espaço e o fez a partir do meio técnico-científico-informacional. A análise das imagens consiste na extração de informações de uma paisagem no momento visitado pelo satélite. Estas informações devem ser trabalhadas de modo que sejam facilmente discerníveis pelo foto-intérprete. Em virtude das diferentes propriedades físicas e composições químicas, a variedade dos materiais da superfície terrestre podem emitir, refletir ou absorver a radiação eletromagnética em diferentes formas. Desta maneira, os sistemas sensores poderão registrar o comportamento dos diferentes materiais, quando da iteração com o fenômeno físico ao longo do
2 espectro eletromagnético, e estabelecer a relação existente entre eles, o qual pode ser entendido e interpretado através das técnicas de processamento de imagens. Fascinados pelo funcionamento biológico do nosso cérebro, os cientistas desenvolveram modelos de Redes Neurais Artificiais para servir como ferramenta de apoio a tomada de decisão. Deste modo, as RNA s tentam construir um modelo matemático que supostamente trabalha de maneira análoga ao cérebro humano. Já há algum tempo tem sido reconhecido que uma abordagem matemática baseada nas ações de neurônios biológicos pode ser implementada para processar e interpretar muitos tipos diferentes de dados digitais. Enquanto não é possível ou desejável reproduzir a complexidade do cérebro humano em um computador, as RNA s, que são baseadas da arquitetura de elementos processadores simples como neurônios, estão sendo usadas com sucesso para uma variedade de aplicações (Atkinson & Tatnall, 1997). As RNA s (Redes Neurais Artificiais) consistem numa tecnologia que se originou de ciências como a informática, neurociência, estatística, matemática, física, dentre outras. Atuam como simuladores de comportamento inteligentes que se baseiam no funcionamento do cérebro humano. O conhecimento é adquirido e armazenado pela rede através do processo de aprendizado, que se dá pelas conexões entre os neurônios, também conhecidos como sinapses. A rede é composta de uma camada de entrada onde as informações provenientes das variáveis discriminantes são apresentadas ao classificador; uma camada de saída na qual a rede informa a classificação obtida a partir daquele conjunto de variáveis discriminantes e de um número variável de camadas intermediárias denominadas camadas ocultas onde o processo de aprendizagem da rede ocorre. Os satélites CBERS 1 e 2 são projetados para cobertura global e contém câmaras para observação óptica e um sistema de coleta de dados ambientais. Estes satélites são compostos por dois módulos. O módulo "carga útil" acomoda os sistemas ópticos (CCD Câmera Imageadora de Alta Resolução, IRMSS Imageador por Varredura de Média Resolução e WFI Câmera Imageadora de Amplo Campo de Visada) usadas para a observação da Terra e no Repetidor para o Sistema Brasileiro de Coleta de Dados Ambientais. O outro módulo denomina-se "serviço" e nele estão contidos os equipamentos que asseguram o suprimento de energia, os controles, as telecomunicações e demais funções necessárias a operação do satélite. O satélite CBERS-2B é muito semelhante aos CBERS-1 e 2, mas o IRMSS é substituído pela HC - Câmera Pancromática de Alta Resolução. O objetivo principal deste trabalho consistiu na produção da caracterização supervisionada do uso e cobertura da terra no município de Viçosa, a partir de imagens do sensor CBERS com a utilização de Redes Neurais Artificiais, além de testar variáveis discriminantes, como altitude, declividade e faces de exposição solar, dentre outros, na contribuição deste tipo de classificação.
3 MATERIAIS E MÉTODOS Foi adquirida uma imagem do sensor CBERS no site do INPE. A imagem foi visitada pelo sensor no dia 08 de julho de 2006, época de baixas precipitações pluviométricas e onde as pastagens encontravam-se secas, podendo ser confundidas com o solo exposto e diferenciadas de uma vegetação herbácea. A composição R (red) G (green) e B (blue) foi processada com as bandas 2, 4 e 3, respectivamente, no software ENVI. O georreferenciamento foi feito a partir da hidrografia municipal, obtida nas cartas topográficas do IBGE (2001), uma vez que esta feição é facilmente discernível na imagem. O sistema de projeção utilizado neste georreferenciamento foi a Projeção Universal Transversa de Mercator, fuso 23 sul. Foi elaborado um mapa com a imagem georreferenciada, a hidrografia e as estradas, na escala 1: para auxiliar as visitas a campo. Realizaram-se três visitas a campo com a finalidade de obter pontos com o GPS de navegação nas principais classes de uso e cobertura da área, que foram: área urbana, café, mata/capoeira, pastagem conservada e pastagem degradada. Nestas visitas, procurou-se identificar os principais tipos de uso e cobertura do solo e foram coletados pontos em locais com diferentes usos próximos uns dos outros, como pastagens conservadas e degradadas, café e pastagem degradada, da mata e eucalipto, por exemplo, com o objetivo de solucionar as possíveis confusões feitas pelo classificador. Os pontos foram obtidos dentro das áreas, evitando-se o entorno, pois o GPS de navegação possui erro médio de 10 metros e, desta forma, é importante que não se obtenha pontos muito próximos a borda das classes de uso. Terminado a etapa de campo, sobrepôs-se os pontos do GPS na imagem para observar a distribuição, o georreferenciamento e se os pontos de campo estavam condizentes com a imagem. No software ArcGis, coletaram-se amostras destas classes sobre a imagem. Estas amostras consistem na resposta espectral das classes. Depois, estas foram transformadas em polígonos, que foram usados no software ERDAS para capturar a assinatura espectral delas. Os polígonos foram identificados com o nome da classe de uso e cobertura a qual eles pertencem. A primeira simulação foi processada apenas com os atributos originais da imagem, ou seja, sua composição colorida, sem adicionar outras variáveis discriminantes que poderiam ou não auxiliar melhor esta metodologia supervisionada. Posteriormente, com o propósito de melhorar a classificação, procurou-se incorporar variáveis aleatórias, como as classes de declividade, a orientação da face de exposição da radiação solar, o modelo digital de elevação e o índice NDVI, que é o Índice da diferença normalizada da vegetação. O NDVI é sensível em captar resposta espectral da vegetação, que possui
4 alta reflectância na banda do infravermelho próximo. Este índice foi gerado a partir da imagem CBERS, utilizando-se a equação no software ENVI: NDVI=(ρ(IVP) ρ(vermelho))/(ρ(ivp)+ρ(vermelho), onde: NDVI= Normalized Difference Vegetation Index; ρ(vermelho)= fator de reflectância bidirecional na banda do vermelho; ρ(ivp)= fator de reflectância bidirecional na banda do infravermelho próximo. Para o processamento das informações e a resposta acerca da utilização das variáveis empregadas, foi feito uma classificação por vez e depois todas em uma única composição multibandas. Todas as composições multi-bandas foram processadas no software ERDAS. Ao final de cada composição, os valores dos níveis digitais de cinza da imagem foram reescalados de 0 a 255 para 0 a 1, que é uma exigência para o bom funcionamento do classificador de redes neurais, visto que esta metodologia supervisionada classifica a resposta espectral das classes emitida para o sensor, que está compreendida no intervalo transformado. A partir das amostras de treinamento criadas no ArcGis, foram extraídas todas as informações relativas às variáveis discriminantes nas diferentes classes de uso e cobertura do solo. Estes arquivos foram salvos em formato asc no software ERDAS. Assim, foram importados em planilhas EXCEL, onde foram selecionadas de 200 a 400 amostras para cada classe de uso e cobertura, tanto para os arquivos de treinamento quanto para os de validação. O arquivo final foi salvo em formato texto. No simulador de redes neurais JavaNNS (VIEIRA, 2000) foram estabelecidos parâmetros que permitiram o funcionamento da rede, como a escolha do algoritmo backpropagation, o número de ciclos de aprendizado do classificador, a iniciação aleatória dos coeficientes, e a arquitetura da rede, dentre outros. Através de tentativas, determinou-se o melhor número de camadas ocultas para estabelecer a arquitetura da rede. Os índices de exatidão global e kappa foram calculados após o treinamento da rede neural. O índice kappa varia de 0 a 1, onde k 0,2: péssimo; 0,2 < k 0,4: razoável; 0,4 < k 0,6: bom; 0,6 < k 0,8: muito bom e 0,8 < k 1: excelente.
5 RESULTADOS E DISCUSSÃO Com as matrizes de conflito pôde ser observado uma confusão entre as classes de pastagem conservada, pastagem degrada e área urbana. A pastagem conservada e a degradada consistem no mesmo padrão de cobertura, porém a conservada é agronomicamente melhor em função de uma série de fatores e cuidados tomados pelo agricultor, como o manejo agronômico ou zootécnico e principalmente a utilização de insumos, pois aparenta um aspecto estético melhor na paisagem, passando a apresentar pastos verdes, uniformes e vegetados. Já as pastagens degradadas geralmente estão localizadas em pastos descuidados, próximo a estradas vicinais e apresentam uma característica que faz com que o classificador confunda alguns pixels com a classe de área urbana, que é a presença de solo exposto. A arquitetura da rede consiste nas variáveis empregadas na classificação, como os dados de entrada, a camada oculta, onde ocorre a multiplicação dos pesos somáticos e origina a classificação, e a classe de saída. Os dados de entrada consistem no número de bandas espectrais que a classificação utiliza, precedido por um neurônio cada. O número de neurônios na camada oculta deve ser testado, pois ainda não existe metodologia padrão se considerarmos que cada classificação utiliza parâmetros e atributos diferentes, como a imagem utilizada, o tamanho da área, as classes amostradas, as bandas espectrais utilizadas, e desta forma não é possível generalizá-las. E a classe de saída é acompanhada pelo número de neurônios equivalente ao número das classes amostradas. Este algoritmo atualiza os pesos da última camada de acordo com a regra delta e para as outras camadas ir propagando o erro da saída para a entrada, indo alterar os pesos de acordo com a influência destes na saída. Nas matrizes de confusão exibidas a seguir, a classe 1 representa a área urbana, a 2 o café, a 3 para mata/capoeira, 4 para pastagem conservada e 5 para pastagem degradada. Na tabela 1 foi desenvolvida uma matriz de confusão para as RNA s a partir de um conjunto amostral de 400 pixels. As variáveis discriminantes utilizadas foram apenas a composição RGB da imagem de referência. O resultado apresentou pouca confusão interna entre pixels por classe. O treinamento de amostras apenas com a composição RGB objetivou avaliar o quanto estas bandas espectrais auxiliam no reconhecimento das classes em questão. Este consistiu no treino mais importante de amostras, porque analisou o potencial das bandas espectrais isolado. A partir dos resultados apresentados por ele, pôde-se tomar decisões proporcionando a melhora da classificação.
6 Tabela 1. Matriz de confusão obtida por RNA s e composição espectral RGB Classe Total Usuário U Total Produtor Kappa: Exatidão Global: 91.0 Na tabela 2, a matriz de conflito correlaciona a classificação por RNA s a partir das variáveis RGB e o índice NDVI. O conjunto amostral utilizado aqui também foi de 400 pixels. Pode-se perceber, com a presença da variável NDVI, um incremento nos valores de pastagem conservada (classe 4) e pastagem degradada (classe 5) com uma melhor proporção de pixels classificados em virtude da classificação que levou apenas em consideração a composição RGB (tabela 1). Tabela 2. Matriz de confusão obtida por RNA s a partir de composição espectral RGB e índice NDVI Classe Total Usuário U Total Produtor Kappa: Exatidão Global: 96.6
7 O bom desempenho das RNA s é ressaltado por França (2007) que aborda que a ocorrência de índices kappa possui melhor desempenho em classificações supervisionadas do tipo redes neurais que classificações estatísticas tipo algoritmos de máxima verossimilhança. Isto porque nas redes neurais há a utilização de um algoritmo de retropropagação do erro (backpropagation) onde seu aprendizado é fundamentado no aprendizado por correção de erros. Assim, ao oferecer os pixels de treinamento à rede, ela ajusta pesos de forma que consiga adaptar-se aos diferentes estímulos de entrada, ocorrendo a partir deste momento o seu aprendizado. Nas RNA s o aprendizado por correção de erros é processado pela seguinte equação: e k = d k y k onde, para o estímulo k: e= sinal de erro; d= saída desejada apresentada durante o treinamento; y= saída real da rede após a apresentação do estímulo de entrada. Na tabela 3, com a inclusão da variável altimetria, através do interpolador topogrid, os valores dos índices de exatidão se manterão estáveis, mostrando assim que não houve incremento significativo com a entrada desta variável. Tabela 3. Matriz de confusão obtida por RNA s a partir de composição espectral RGB, índice NDVI e interpolador topogrid Classe Total Usuário U Total Produtor Kappa: Exatidão Global: 92.1
8 Na tabela 4, incluiu-se as classes de declividade do terreno, às variáveis composição RGB e índice de diferença da vegetação normalizada. Também pelos resultados dos índices de exatidão expressos, devido a seus valores manterem-se estáveis, sem acréscimo ou decréscimo significativo na confusão interna de pixels, esta variável também não se mostrou muito eficaz em no problema elucidado acerca da separação de pixels entre pastagem conservada, pastagem degradada e área urbana. Tabela 4. Matriz de confusão obtida por RNA s a partir de composição espectral RGB, índice NDVI e as classes de declividade do terreno Classe Total Usuário Total Produtor Kappa: Exatidão Global: 91.9 E, por último, na tabela 5, foram incluídas todas as variáveis mencionadas anteriormente, com adição apenas das faces de exposição à radiação solar. Houve uma ligeira melhoria na alocação dos pixels de pastagem conservada (classe 4). Porem, os pixels de pastagem degradada (classe 5) se confundiram mais que com adição de outras variáveis, vistas nas tabelas anteriores. A classe de área urbana (classe 1) também teve sua confusão interna diminuída.
9 Tabela 5 Matriz de confusão obtida por RNA s a partir de composição espectral RGB, índice NDVI, interpolador topogrid, classes de declividade do terreno e face de orientação solar Classe Total Usuário U Total Produtor Kappa: Exatidão Global: 92.7 A par de todas as variáveis adicionadas com o objetivo de melhorar a confusão interna de pixels, este estudo apontou que o índice NDVI mostrou-se mais satisfatório, sendo o principal responsável por classificar corretamente cerca de 98 a 99% dos pixels de vegetação (classe 3 mata) corretamente nas cinco matrizes de confusão acima. Em virtude de ter-se conseguido melhor resultado com este índice, as tabelas posteriores (3, 4 e 5) vieram incluídas deste índice para testar possíveis melhoras, que como dito, não foram verificadas. Já a composição RGB participou de todas as matrizes de confusão, uma vez que esta variável trata-se da imagem em si. Na Tabela 6, está expressa a quantidade dos pixels classificados na imagem pela abrangência de sua área. As pastagens ocupam grande proporção no município, seguido da classe de Mata/Capoeira. O café, consiste numa cultura perene de grande significância para os pequenos agricultores da região, uma vez que na zona da mata mineira esta cultura é amplamente empregada nas pequenas propriedades rurais. A classe de área urbana apresenta um tamanho reduzido em relação ao tamanho real, pois muitos de seus pixels foram alocados para as classes de pastagem degradada, fazendo com que esta classe aumentasse sua real proporção.
10 Tabela 6 Distribuição das classes de uso do solo no município Classe Área (m 2 ) Área (ha) Área Urbana ,3311 Café ,5837 Mata/Capoeira ,6671 Pastagem Conservada ,4276 Pastagem Degradada ,4905 CONCLUSÕES Apesar de obter uma rede com um índice kappa e exatidão global (overall) considerados muito bons, percebe-se a confusão de pixels em algumas classes, como na pastagem, na área urbana e no solo exposto. Porém, a confusão entre estas classes não é considerada ruim porque de certa forma estes pixels apresentam uma certa semelhança entre si na resposta espectral. O NDVI de fato foi um bom separador entre os pixels de vegetação e até mesmo para com os pixels de pastagem, visto que a confusão entre suas subclasses não foram conflitantes.
11 REFERÊNCIAS BIBLIOGRÁFICAS ARONOFF, S. Geographic Information Systems: a management perspective. Otawa, WDL Publications. ATKINSON, P.M. & TATNALL, A.R.L. Neural Networks in Remote Sensing. International Journal of Remote Sensing, v.18, p , BENEDIKTSSON, J.A & SVEINSSON, J.R. Feature Extraction for Multisource Data Classification with Artificial Neural Networks. International Journal of Remote Sensing, v. 18, p , BRAGA, A. de P.; CARVALHO, A.P. de L.F. de e LUDEMIR, T.B. Redes Neurais Artificiais: Teoria e Aplicações. Rio de Janeiro: LTC Livros Técnicos e Científicos Editora, BURROUGH, P.A.; VAN RIJN, R. & RIKKEN, M. Spatial Data Quality and Error analysis Issues: GIS functions and environmental modeling. In: GOODCHILD, M.F.; STEYERT, L.T.; PARKS, B.O.; JOHNSTON, C.; MAIDMENT, D.; CRANE, M. & GLENDINNING, S. (eds.). GIS and environmental modeling: progress and research issues. Fort Collins, CO: GIS World books, p CÂMARA, G. et al. Geocomputation techiniques for spatial analysis: is the case for health data sets? Cadernos de Saúde Pública, 17 (5): , set/out FRANÇA, M.M. Avaliação de classificações supervisionadas com Redes Neurais Artificiais e Maxver para caracterização do uso da terra no município de Viçosa-MG. Universidade Federal de Viçosa, 2007 (Monografia de conclusão de curso). INPE. Instituto Nacional de Pesquisas Espaciais. São José dos Campos, SP. Disponível em: << 12/09/2006 HAYKIN, S. Redes Neurais: princípios e prática. trad. Paulo Martins Engel. 2ª ed. Porto Alegre: Bookman, MATHER, P.M. Computer processing of remote sensed images: an introduction. Chichester: Wiley, ROSA, R. Introdução ao Sensoriamento Remoto. Uberlândia, MG, Editora UFU (EDUFU), SANTOS, M. O Brasil: território e sociedade no século XXI. São Paulo, editora Record: SCHALKOFF, R.J. Pattern Recognition: Statistical, Structural and Neural Approaches. New York: John Wiley & Sons, SILVA, E.P da S. Geoprocessamento na discriminação de pastagens degradadas utilizando rede neural artificial em imagens IKONOS II. Viçosa, MG, (Tese de doutorado) VALENTE, E.L. Caracterização da intensidade de degradação do solo e da cobertura vegetal de uma área no médio rio Doce, utilizando imagens IKONOS II. Viçosa, MG, (Dissertação de mestrado)
12 VIEIRA, C.A.O. Accuracy of remotley sensing classification of agricultural crops: a comparative study. University of Nottingham, (Tese de doutorado)
UTILIZAÇÃO DE CLASSIFICADOR ESTATÍSTICO MAXVER PARA ANÁLISE DO USO E COBERTURA DA TERRA NO MUNICÍPIO DE VIÇOSA MG* Eixo 1
UTILIZAÇÃO DE CLASSIFICADOR ESTATÍSTICO MAXVER PARA ANÁLISE DO USO E COBERTURA DA TERRA NO MUNICÍPIO DE VIÇOSA MG* Eixo 1 Michelle Milanez França - Bacharel e Licenciada em Geografia, UFV. Mestranda em
Leia maisANÁLISE DO USO DA TERRA NO MUNICÍPIO DE VIÇOSA-MG MEDIADO POR CLASSIFICAÇÕES SUPERVISIONADAS COM REDES NEURAIS ARTIFICIAIS E MAXVER.
RBGF- Revista Brasileira de Geografia Física Recife-PE, Vol.2, n.03, set-dez, 2009, 92-101. ANÁLISE DO USO DA TERRA NO MUNICÍPIO DE VIÇOSA-MG MEDIADO POR CLASSIFICAÇÕES SUPERVISIONADAS COM REDES NEURAIS
Leia maisO resultado é uma série de "fatias" da superfície, que juntas produzem a imagem final. (Exemplo: o radiômetro dos satélites NOAA gira a 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 maisAvaliação 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 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 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 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 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 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 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 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 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 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 maisSENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO
SENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO Paulo Guilherme Molin, MSc Prof. Silvio F. de Barros Ferraz Prof. Carla Cassiano Laboratório de Hidrologia Florestal Departamento de Ciências Florestais
Leia maisO resultado é uma série de "fatias" da superfície, que juntas produzem a imagem final. (Exemplo: o radiômetro dos satélites NOAA gira a 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 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 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 maisUso de geotecnologias no estudo da sustentabilidade agrícola do núcleo rural Taquara, DF.
1 Uso de geotecnologias no estudo da sustentabilidade agrícola do núcleo rural Taquara, DF. Lousada, Bruno Maia Soriano (1) ; Lacerda, Marilusa Pinto Coelho (2) ; Boschini Ana Paula Masson (1) & Araújo,
Leia maisJosé Alberto Quintanilha Mariana Giannotti
José Alberto Quintanilha jaquinta@usp.br Mariana Giannotti mariana.giannotti@usp.br Estrutura da Aula Momento Satélite (Apresentação de um novo satélite a cada aula) O que é uma imagem de satélite? O histograma
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 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 maisGeoprocessamento e sensoriamento remoto como ferramentas para o estudo da cobertura vegetal. Iêdo Bezerra Sá
Geoprocessamento e sensoriamento remoto como ferramentas para o estudo da cobertura vegetal. Iêdo Bezerra Sá Engº Florestal, D.Sc. Sensoriamento Remoto/Geoprocessamento, Pesquisador Embrapa Semi-Árido
Leia mais¹ Estudante de Geografia na Universidade Estadual de Campinas (Unicamp), estagiária na Embrapa Informática Agropecuária (Campinas, SP).
89 Interpretação e classificação de imagens de satélite na extração de informações sobre o uso da terra e cobertura vegetal na bacia hidrográfica do rio Teles Pires/MT-PA Jéssica da Silva Rodrigues Cecim
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS
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 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 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 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 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 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 I: Modelagem da Base
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 maisComparação de métodos de classificação da cobertura do solo urbano utilizando imagens IKONOS II com e sem o auxílio de dados LiDAR
Comparação de métodos de classificação da cobertura do solo urbano utilizando imagens IKONOS II com e sem o auxílio de dados LiDAR Leonardo Rodrigues de Deus 1 Rafael Santos 1 Leila Maria G. Fonseca 1
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 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 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 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 maisProcessamento de Imagens Termais Aplicado à Navegação Autônoma. Wanessa da Silva
Processamento de Imagens Termais Aplicado à Navegação Autônoma Wanessa da Silva Outubro, 2016 Introdução Roteiro Métodos Imagens Utilizadas Resultados Considerações Finais 1. Introdução 2. Métodos 4. Imagens:
Leia maisCAPÍTULO 5 RESULTADOS. São apresentados neste Capítulo os resultados obtidos através do programa Classific, para
CAPÍTULO 5 RESULTADOS São apresentados neste Capítulo os resultados obtidos através do programa Classific, para as imagens coletadas no verão II, período iniciado em 18/01 e finalizado em 01/03 de 1999,
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 maisGeração de mapas de altitude por sensoriamento remoto. Imagens do Óptico Imagens InSAR
Geração de mapas de altitude por sensoriamento remoto Imagens do Óptico Imagens InSAR Geração de MNT Num passado não muito distante: Digitalizava-se as curvas de nível para então gerar imagem sintética
Leia maisQualidade Radiométrica das Imagens Sensor ADS40
Qualidade Radiométrica das Imagens Sensor ADS40 O sensor ADS40 (Airborne Digital Sensor) é um Sensor Digital Linear de alta resolução geométrica e radiométrica desenvolvido pela Leica Geosystems. O sensor
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 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 maisUTILIZAÇÃO DE IMAGENS DO SATELITE CBERS-4 E LINGUAGEM PYTHON PARA DETERMINAÇÃO DO ÍNDICES DE VEGETAÇÃO NDVI E SAVI
UTILIZAÇÃO DE IMAGENS DO SATELITE CBERS-4 E LINGUAGEM PYTHON PARA DETERMINAÇÃO DO ÍNDICES DE VEGETAÇÃO NDVI E SAVI Phablo Costa da Nóbrega Benício 1, João Rodrigues Tavares Junior 2, Ana Lúcia Bezerra
Leia maisFACULDADE DE ENGENHARIA DE MINAS GERAIS SENSORIAMENTO REMOTO E AEROFOTOGRAMETRIA REVISÃO DE CONTEÚDO. Prof. Marckleuber
FACULDADE DE ENGENHARIA DE MINAS GERAIS SENSORIAMENTO REMOTO E AEROFOTOGRAMETRIA - 2011 REVISÃO DE CONTEÚDO Prof. Marckleuber -Diferença: Imagem de satélite X fotografia aérea -Satélite X Sensor X Radar
Leia maisANÁLISE DO USO E OCUPAÇÃO DA TERRA DA BACIA HIDROGRÁFICA DO MÉDIO-BAIXO CURSO DO RIO ARAGUARI
ANÁLISE DO USO E OCUPAÇÃO DA TERRA DA BACIA HIDROGRÁFICA DO MÉDIO-BAIXO CURSO DO RIO ARAGUARI RESUMO Fausto Miguel da Luz Netto faustoluz_netto@hotmail.com Mestrando do Programa de Pós-Graduação em Geografia
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 mais17 e 18 de Maio de 2012 Escola Superior Agrária Instituto Politécnico de Castelo Branco
Identificação e quantificação da área da projecção horizontal de copa por espécie florestal com imagens de alta resolução espacial (Quickbird) utilizando segmentação e classificação orientada a objecto
Leia maisAVALIAÇÃO DA ACURÁCIA POSICIONAL PLANIMÉTRICA DE IMAGENS CBERS 4 SENSOR PAN, NA REGIÃO DE ALVINÓPOLIS-MG
AVALIAÇÃO DA ACURÁCIA POSICIONAL PLANIMÉTRICA DE IMAGENS CBERS 4 SENSOR PAN, NA REGIÃO DE ALVINÓPOLIS-MG Lígia da Silva Barbosa 1, Afonso de Paula dos Santos 2 1 Graduanda em Engenharia de Agrimensura
Leia maisTécnicas de Sensoriamento Remoto na análise temporal para a gestão territorial do município de Timon-MA
Técnicas de Sensoriamento Remoto na análise temporal para a gestão territorial do município de Timon-MA Antônio Celso de Sousa Leite¹, Felipe Thiago Neres de Sousa Sena¹, Benavenuto José Santiago Neto¹,
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 maisCLASSIFICAÇÃO PIXEL A PIXEL SUPERVISIONADA EM IMAGEM DE SATÉLITE SÃO SEBASTIÃO DO PARAISO (MG)
CLASSIFICAÇÃO PIXEL A PIXEL SUPERVISIONADA EM IMAGEM DE SATÉLITE SÃO SEBASTIÃO DO PARAISO (MG) Rennan de Freitas Bezerra Marujo Universidade Federal de Lavras rennan@computacao.ufla.br Margarete Marin
Leia maisEVOLUÇÃO DA FRAGMENTAÇÃO DE MATA NO MUNICÍPIO DE SANTA MARIA DE JETIBÁ - ES
UNIVERSIDADE FEDERAL DO PÍRTO SANTO UF CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFA DE MONOGRAFIA EVOLUÇÃO DA FRAGMENTAÇÃO DE MATA NO MUNICÍPIO DE SANTA MARIA DE JETIBÁ - Graduando
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 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 maisUSO DE IMAGENS DO SATÉLITE RESOURCESAT 1 (IRS-P6) PARA ESTUDO DO DESMATAMENTO NO ASSENTAMENTO VALE VERDE, GURUPI-TO
11 a 14 de dezembro de 2012 Campus de Palmas USO DE IMAGENS DO SATÉLITE RESOURCESAT 1 (IRS-P6) PARA ESTUDO DO DESMATAMENTO NO ASSENTAMENTO VALE VERDE, GURUPI-TO Nome dos autores: Horrana Ferreira Ribeiro¹,
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 maisPROCESSAMENTO DIGITAL DE IMAGENS. Thales Sehn Körting
PROCESSAMENTO DIGITAL DE IMAGENS Thales Sehn Körting 2 Por que processar as imagens? Objetivo Identificar e extrair informações da imagem Transformar a imagem (aumentar o contraste, realçar bordas) de
Leia mais27/03/2017 OPERAÇÕES ARITMÉTICAS NDVI E RAZÃO DE BANDAS AULA 04 RAZÃO DE BANDAS. Ex: Realce de minerais de Ferro = ρ v / ρ A
OPERAÇÕES ARITMÉTICAS NDVI E AULA 04 Daniel C. Zanotta 27/03/2017 Dividir uma banda por outra (pixel a pixel) pode trazer diversas informações a respeitos dos alvos contidos na cena. Dependendo dos canais
Leia maisSensoriamento Remoto Engenharia Ambiental Prática #1
Sensoriamento Remoto Engenharia Ambiental Prática #1 Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista Presidente Prudente 2016 Sobre os relatórios Instruções! 1) Crie uma
Leia maisTÉCNICAS DE SENSORIAMENTO REMOTO NA ANÁLISE TEMPORAL PARA A GESTÃO TERRITORIAL DO MUNICÍPIO DE TIMON-MA
p. 001-005 TÉCNICAS DE SENSORIAMENTO REMOTO NA ANÁLISE TEMPORAL PARA A GESTÃO TERRITORIAL DO MUNICÍPIO DE TIMON-MA ANTONIO CELSO DE SOUSA LEITE FELIPE THIAGO NERES DE SOUSA SENA BENAVENUTO JOSÉ SANTIAGO
Leia maisTecnologias de sensoriamento remoto para a identificação e monitoramento das mudanças no uso e ocupação dos solos urbanos
Tecnologias de sensoriamento remoto para a identificação e monitoramento das mudanças no uso e ocupação dos solos urbanos associadas às vias de transportes terrestres. José A. Quintanilha C láudia A. S.
Leia maisREVISÃO SENSORIAMENTO REMOTO AULA ZERO. Daniel C. Zanotta 14/03/2018
REVISÃO SENSORIAMENTO REMOTO AULA ZERO Daniel C. Zanotta 14/03/2018 O que é Sensoriamento Remoto? Arte e ciência da obtenção de informações sobre um objeto, através de radiação eletromagnética, sem contato
Leia mais09/03/2017. O que é Sensoriamento Remoto? Tipos de Sensoriamento Remoto REVISÃO SENSORIAMENTO REMOTO AULA ZERO. Satélites.
REVISÃO SENSORIAMENTO REMOTO AULA ZERO Daniel C. Zanotta 09/03/2017 O que é Sensoriamento Remoto? Arte e ciência da obtenção de informações sobre um objeto, através de radiação eletromagnética, sem contato
Leia maisde Ciências do Ambiente e Sustentabilidade na Amazônia
Anais do I Seminário Internacional de Ciências do Ambiente e Sustentabilidade na Amazônia IDENTIFICAÇÃO DO USO E COBERTURA DO SOLO DA ÁREA DE EXPANSÃO DO DISTRITO INDUSTRIAL DE MANAUS ATRAVÉS DE CLASSIFICAÇAO
Leia maisDETERMINAÇÃO DO ÍNDICE DE VEGETAÇÃO ATRAVÉS DE IMAGENS METEOSAT-8
DETERMINAÇÃO DO ÍNDICE DE VEGETAÇÃO ATRAVÉS DE IMAGENS METEOSAT-8 BARBOSA, H. A. 1 ; ACCIOLY FILHO, J. B. P. 2 ; MELCÍADES, W. L. B. 3 ; MELLO, N. G. S. 4 ; SOUZA, J. M. DE 5 RESUMO: Neste trabalho, o
Leia maisSIG PARA GESTÃO AMBIENTAL DO ESTADO DE ALAGOAS: O CASO DE SANTANA DO IPANEMA
SIG PARA GESTÃO AMBIENTAL DO ESTADO DE ALAGOAS: O CASO DE SANTANA DO IPANEMA SILVA, F. F. 1 ; AZEVEDO, V. W. B. 2 ; GUIMARÃES, L. M. 3 ; SILVA, R. R. 4 ; BARROS, A. H. C. 5 ; SANTOS, J. C. P. 6 RESUMO:
Leia maisINTRODUÇÃO AO SIG. Programa. Referências Bibliográficas. Prof. Luciene Delazari
INTRODUÇÃO AO SIG Prof. Luciene Delazari Programa 1. Conceitos básicos sobre Sistemas de Informação Geográfica 1.1. Conceitos 1.2 Geoprocessamento x SIG 1.3 Componentes de um SIG 1.4 Aplicações em Agronomia
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE PRESIDENTE PRUDENTE FACULDADE DE CIÊNCIAS E TECNOLOGIA PROGRAMA DE ENSINO
PROGRAMA DE ENSINO Disciplina Sensoriamento Remoto e Geoprocessamento Aplicados a Estudos Geoambientais Semestre Código Ano Letivo Área de Concentração PRODUÇÃO DO ESPAÇO GEOGRÁFICO CURSO: MESTRADO (X)
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 maisSensoriamento Remoto: Radiometria espectral e técnicas de análise de espectros. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.
Sensoriamento Remoto: Radiometria espectral e técnicas de análise de espectros Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho. Radiometria espectral A Radiometria é a medida quantitativa
Leia maisNOVAS TECNOLOGIAS NO ENSINO A DISTÂNCIA DE PROCESSAMENTO DE IMAGENS UTILIZANDO O SPRING E IMAGENS CBERS.
NOVAS TECNOLOGIAS NO ENSINO A DISTÂNCIA DE PROCESSAMENTO DE IMAGENS UTILIZANDO O SPRING E IMAGENS CBERS http://www.dpi.inpe.br/ead/intro_sr Utilizam-se softwares e imagens disponíveis na rede, com acesso
Leia mais3 Simpósio Internacional de Agricultura de Precisão
ANÁLISE DE CORRELAÇÃO ENTRE ÍNDICES ESPECTRAIS E PARÂMETROS DE LAVOURAS DE CAFÉ DE MONTANHA UTILIZANDO IMAGENS DE SATÉLITES 1 Rodrigo Sinaidi Zandoandi 2, Daniel Marçal de Queiroz 3, Francisco de Assis
Leia maisSensoriamento Remoto I Engenharia Cartográfica. Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista
Sensoriamento Remoto I Engenharia Cartográfica Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista 2016 Coleta de dados de sensoriamento remoto A quantidade de radiação eletromagnética,
Leia maisGeoprocessamento na delimitação de áreas de conflito em áreas de preservação permanente da sub-bacia do Córrego Pinheirinho
Geoprocessamento na delimitação de áreas de conflito em áreas de preservação permanente da sub-bacia do Córrego Pinheirinho Juliano Boeck Santos Osmar Delmanto Junior Célia Regina Lopes Zimback Ana Paula
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 mais9º Encontro Técnico DER-PR
Técnicas de Sensoriamento Remoto aplicadas a rodovias. 9º Encontro Técnico DER-PR Sensoriamento Remoto É definido como, o conjunto de técnicas e equipamentos, utilizados para obter informações sobre um
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 SISTEMAS DE INFORMAÇÕES
Leia maisGEOPROCESSAMENTO NAS CIÊNCIAS AMBIENTAIS
DISCIPLINA LER 210 - GEOPROCESSAMENTO ESALQ / USP - 2013 GEOPROCESSAMENTO NAS CIÊNCIAS AMBIENTAIS PROF. CARLOS A. VETTORAZZI ESALQ/USP 1. Introdução OBJETIVOS 1. APRESENTAR UM PANORAMA GERAL DO CONTEXTO
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 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 III: Modelagem Numérica
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 maisSensoriamento remoto x uso do solo x transportes
Sensoriamento remoto x uso do Introdução e justificativas Objetivos da aula Sensoriamento Remoto: introdução; conceitos básicos. Processamento digital de imagens: conceito de imagem digital e de processamentos
Leia maisALGORITMOS DE CLASSIFICAÇÃO DE IMAGEM NO MAPEAMENTO DE PASTAGEM EM DIFERENTES ESTÁDIOS DE DEGRADAÇÃO
S B C Revista Brasileira de Cartografia (2013) N 0 65/1: 53-61 Sociedade Brasileira de Cartografia, Geodésia, Fotogrametria e Sensoriamento Remoto ISSN: 1808-0936 ALGORITMOS DE CLASSIFICAÇÃO DE IMAGEM
Leia maisResoluções das Imagens fotogramétricas e digitais. Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia
Resoluções das Imagens fotogramétricas e digitais Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia Classificação dos filmes aerofotogramétricos Os filmes podem ser: preto e branco ou coloridos.
Leia maisDETERMINAÇÃO DO RISCO DE INCÊNDIOS NO MUNICÍPIO DE VIÇOSA-MG, UTILIZANDO SISTEMA DE INFORMAÇÃO GEOGRÁFICA E ÍNDICE CLIMÁTICO.
DETERMINAÇÃO DO RISCO DE INCÊNDIOS NO MUNICÍPIO DE VIÇOSA-MG, UTILIZANDO SISTEMA DE INFORMAÇÃO GEOGRÁFICA E ÍNDICE CLIMÁTICO. José Eduardo M. PEZZOPANE 1, Sílvio N. de OLIVEIRA NETO 2, Marina de F. VILELA
Leia maisUniversidade Federal do Rio Grande FURG. Instituto de Oceanografia Laboratório de Oceanografia Geológica Outubro de 2011
Universidade Federal do Rio Grande FURG Instituto de Oceanografia Laboratório de Oceanografia Geológica Outubro de 2011 Capacitação no Uso de Geotecnologias a Distância Utilizando Ferramentas Livres Carlos
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 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 maisMAPEAMENTO DAS CLASSES DO CADASTRO AMBIENTAL RURAL (CAR) EM MUNICÍPIOS DO TERRITÓRIO PORTAL DA AMAZÔNIA
MAPEAMENTO DAS CLASSES DO CADASTRO AMBIENTAL RURAL (CAR) EM MUNICÍPIOS DO TERRITÓRIO PORTAL DA AMAZÔNIA Emanuelle Brugnara ¹; Bruno Diego Cardoso dos Santos ¹; Sara Cristina Carvalho de Sousa ¹; Weslei
Leia maisANÁLISE COMPARATIVA DOS DADOS DE NDVI DO MUNICÍPIO DE POÇOS DE CALDAS-MG PARA OS ANOS DE 1986 E 2010
ANÁLISE COMPARATIVA DOS DADOS DE NDVI DO MUNICÍPIO DE POÇOS DE CALDAS-MG PARA OS ANOS DE 1986 E 2010 Guilherme Augusto Verola Mataveli ¹e Rúbia Gomes Morato² guilhermemataveli88@yahoo.com.br, rubiagm@gmail.com
Leia mais5 Experimentos Corpus
5 Experimentos 5.1. Corpus A palavra corpus significa corpo em latim. No contexto de Aprendizado de Máquina, corpus se refere a um conjunto de dados utilizados para experimentação e validação de modelos.
Leia maisMônica Tatiane de Sousa. Resumo. 1 Introdução
Análise do NDBI como método para classificar áreas construídas para os anos de 2000 e 2010 nos municípios de São José dos Campos, Jacareí e Arapeí, São Paulo Mônica Tatiane de Sousa Resumo Este estudo
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Pivôs centrais são sistemas circulares de irrigação bastante utilizados no Brasil para produção de grãos, sementes, gramas e hortaliças, entre outros produtos. Considerando-se
Leia maisSensoriamento Remoto. Prof. Enoque Pereira da Silva
Sensoriamento Remoto Prof. Enoque Pereira da Silva Radiação Eletromagnética (REM) Radiação Eletromagnética (REM) REM pode se deslocar no vácuo, ou seja, não precisa de um material (corda) Todo corpo acima
Leia maisAnálise Quantitativa de Tecidos em Úlceras de Perna
49 5 Análise Quantitativa de Tecidos em Úlceras de Perna A avaliação das áreas proporcionais de cada tecido interno das úlceras fornece informações importantes sobre seu estado patológico [BERRISS, 2000],
Leia maisMapeamento do uso do solo para manejo de propriedades rurais
1/55 Mapeamento do uso do solo para manejo de propriedades rurais Prática Eng. Allan Saddi Arnesen Eng. Frederico Genofre Eng. Marcelo Pedroso Curtarelli 2/55 Conteúdo programático: Capitulo 1: Conceitos
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 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 COMPORTAMENTO
Leia maisUNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA
UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA PIBIC : CNPq, CNPq/AF, UFPA, UFPA/AF, PIBIC/INTERIOR,
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 IV: Análise espacial
Leia mais