A ESTIMATIVA DO PARÂMETRO KAPPA (K) DA ANÁLISE MULTIVARIADA DISCRETA NO CONTEXTO DE UM SIG
|
|
- Thomaz Flores Aldeia
- 6 Há anos
- Visualizações:
Transcrição
1 A ESTIMATIVA DO PARÂMETRO KAPPA (K) DA ANÁLISE MULTIVARIADA DISCRETA NO CONTEXTO DE UM SIG Flávio Jorge Ponzoni Eugênio Sper de Almeida Instituto Nacional de Pesquisas Espaciais - INPE Avenida dos Astronautas, São José dos Campos SP flavio@ltid.inpe.br eugenio@dpi.inpe.br Abstract: A computer program has been developed in order to estimate the Kappa (k) multivariate analysis parameter, applied in the comparation between thematic maps. It is possible to consider the entire study area or sample areas. Details of its processing are presented, including the main aspects that have to be considered in order to achieve correct results. There are four options in the main menu: Gera matriz, Estatística Kappa, Ambos e Saída. The first one is related to the error matrix calculation. In the second one, the calculation of k, the significance of the confiability interval test and the contrast between error matrixes are determined. In the Ambos option, both procedures are carried out together. The Saída option interrupts the program processing. Some application examples are also presented. Key words: Kappa statistic, Mapping accuracy 1 Introdução A elaboração de mapas temáticos, incluindo mapas de vegetação, a partir de produtos de sensoriamento remoto (fotografias aéreas e imagens orbitais, principalmente) tem se tornado uma atividade rotineira em todo o mundo. Trabalhos como os de Hord e Brooner (1976) e Genderen e Lock (1977) salientaram as vantagens de utilização destes produtos com o objetivo de confeccionar mapas temáticos, incluindo a necessidade do estabelecimento de procedimentos estatísticos destinados ao fornecimento de estimativas de suas respectivas exatidões. A exatidão de mapas temáticos tem sido determinada a partir das chamadas matrizes de êrros ou de contingência, as quais são constituidas por igual número de linhas e de colunas, e representam o confronto entre o resultado da classificação (visual ou digital) de um produto de sensoriamento remoto (mapa temático) e a verdade terrestre ou outra informação considerada como referência. Este confronto é realizado através de um procedimento amostral no qual um certo número de pontos ou pixels pertencentes à uma dada classe (tema) são verificados em campo ou em outro mapa, considerado como referência, no sentido de comprovar ou não a atribuição correta destes à classe em questão. Uma vez tendo à disposição uma matriz de êrros, são várias as possibilidades para a estimativa da exatidão de um mapa temático. Dentre elas destaca-se a estimativa do parâmetro KAPPA (k), fundamentado em critérios da análise multivariada discreta, que é utilizado como medida de concordância entre o mapa e a referência que se tem adotado para a estimativa da exatidão. Assim, considerando esta referência como sendo a verdade terrestre (por exemplo), o valor de k expressaria a concordância entre a interpretação ou classificação dos dados contidos nos produtos de sensoriamento remoto considerados e a realidade de campo. Para o caso desta referência ser outro mapa temático, o valor de k expressaria então o grau de concordância entre dois mapas temáticos. Com o advento dos Sistemas de Informação Geográfica (SIGs), mapas temáticos, produtos de sensoriamento remoto, e dados na forma tabular puderam ser manipulados num mesmo ambiente, incluindo as compatibilizações de escalas e de resoluções. Estas facilidades, por sua vez, abriram novas possibilidades para a elaboração de matrizes de êrros e conseqüentemente para a estimativa da exatidão de mapas temáticos. O objetivo deste trabalho é discutir algumas destas possibilidades através de um programa computacional especialmente elaborado para a determinação do parâmetro k a partir de matrizes de êrros elaboradas dentro de um SIG. 2 Técnicas destinadas à estimativa de mapas temáticos Inicialmente as técnicas destinadas à estimativa da exatidão de mapas temáticos eram fundamentadas na estatística paramétrica, assumindo que os dados seguiam uma distribuição normal (Congalton et al., 1983). Card (1982), mencionou que a forma mais comum para representar a exatidão de mapas elaborados
2 a partir de imagens MSS Landsat era através de matrizes de êrros. Através destas matrizes é possível avaliar os êrros de inclusão e omissão efetuados na fase de classificação, como também permitem determinar o desempenho da classificação para cada um dos ítens da legenda (tema) e da classificação como um todo (todos os temas). Os autores ressaltaram ainda que a situação ideal seria aquela na qual todos os elementos da matriz fora da diagonal fossem iguais a zero, indicando que não fora cometido algum êrro na fase de classificação. Congalton et al., (1983) mencionaram que existem dois tipos de técnicas que têm sido utilizadas para a estimativa da exatidão de mapas temáticos: a análise de variância e a análise multivariada discreta. A análise de variância faz uso dos elementos da diagonal da matriz. A principal limitação desta técnica reside no fato de que os dados devem seguir uma distribuição normal, o que não acontece com os dados utilizados na classificação que são discretos, seguindo uma distribuição binomial. Outra pressuposição inerente às técnicas de análise de variância é que as classes ou categorias (temas) presentes numa matriz de êrros devem ser independentes, o que nem sempre acontece quando a fonte de dados para a classificação são produtos de sensoriamento remoto. São comuns as confusões entre estas classes. O uso das técnicas de análise multivariada discreta na estimativa da exatidão de mapas confeccionados a partir de produtos de sensoriamento remoto foi apresentado por Congalton et al. (1983) e posteriormente ampliado por Rosenfield e Fitzpatrick- Lins (1986), Hudson e Ramm (1987) e outros. Graças à esses autores, a importância das matrizes de êrros tem sido reconhecida tanto pela informação que delas pode ser extraída, quanto por constituirem dados de entrada de procedimentos estatísticos mais avançados (STORY e Congalton, 1986). As técnicas de análise multivariada discreta valemse destas matrizes de êrros para estimar esta exatidão, bem como para estimar o grau de similaridade entre diferentes métodos de elaboração destes mapas. Congalton et al. (1983) mencionaram três métodos principais inseridos nas técnicas de análise multivariada discreta destinados à estimativa da exatidão de mapas. O primeiro método implica na chamada "normalização" das matrizes de êrros, de forma a permitir a comparação direta entre elas. O segundo método implica no cálculo de um parâmetro cujo valor representa o nível de similaridade entre matrizes de êrro que pode ser usado para testar se as matrizes são ou não significativamente diferentes. E finalmente, o terceiro método, permite um exame simultâneo de todos os fatores que afetaram a fase de classificação. Dos três métodos mencionados, o segundo método vem sendo utilizado com bastante freqüência tanto em trabalhos puramente de aplicação quanto em trabalhos de cunho acadêmico (pesquisa). Neste contexto destacam-se os trabalhos de Medeiros (1987), Costa (1990), Ortiz (1995), Damião (1994) e Caldeira (1994), alguns dos quais serão descritos resumidamente ao final deste trabalho. Trata-se do método que se vale do parâmetro KAPPA (k) como medida de similaridade entre matrizes de êrros. O parâmetro k é uma medida de concordância geral, calculado para cada matriz e é baseado na diferença entre a concordância real da classificação e a concordância por puro acaso. A concordância real corresponde à concordância entre os dados da classificação efetuada e os dados de referência ou de verdade terrestre, sendo indicada pelos elementos da diagonal. A concordância por puro acaso é dada pelo produto dos valores marginais das linhas e colunas (Congalton et al., 1983). O parâmetro k é um coeficiente de concordância que considera toda a matriz de êrro. Antes do advento dos chamados Sistemas de Informação Geográfica (SIGs), as matrizes em questão eram essencialmente elaboradas a partir de dados coletados em campo através de algum esquema de amostragem que incluia um número pré-estabelecido de pontos a serem visitados, dos quais verificava-se o êrro ou acerto da atribuição de uma classe ou categoria a um ponto no mapa (pixel). Atualmente este procedimento é ainda utilizado, constituindo-se em um tópico de grande importância na etapa de classificação (mapeamento) de uma dada área geográfica mediante o uso de produtos de sensoriamento remoto. Contudo, com o advento dos SIGs, surgiram novas possibilidades dadas as facilidades de manipulação de dados permitidas por estes sistemas. Dentre estas facilidades destacam-se aquelas referentes ao cruzamento entre mapas temáticos dispostos, então, na forma digital. Assim, tomando-se um mapa como referência, outros mapas podem ser agora superpostos a ele, seguindo-se a verificação pixela-pixel ou em amostras da concordância entre as classes ou categorias presentes nos mapas. Ainda podem ser citadas as facilidades relativas à escolha e à alteração de esquemas de amostragem, quando o interesse for a estimativa da exatidão de mapas. 3 Sensoriamento remoto x elaboração de mapas temáticos Dentre os métodos de extração de informações oriundas de produtos de sensoriamento remoto, destacam-se a interpretação visual e o processamento digital de imagens. Na interpretação visual de imagens,
3 são considerados os elementos clássicos da fotointerpretação na identificação dos temas de interesse, sendo estes relacionados aos recursos naturais. Estes elementos são: cor, tonalidade, textura, sombra, tamanho relativo, etc. Já no processamento digital de imagens, são utilizados os aplicativos computacionais especialmente desenvolvidos para este fim. Dentre os aplicativos atualmente disponíveis no Brasil, destaca-se o SITIM (Sistema Interativo de Tratamento de Imagens Digitais), cujo desenvolvimento iniciou-se no INPE a partir de 1983 e tinha como objetivo fornecer ferramentas para o processamento de imagens de satélites. Esse sistema atualmente utiliza microcomputadores, placa gráfica (SITIM-150 ou 340), monitor gráfico e um software de processamento de imagens. O sistema SITIM possui ferramentas para manipulação de imagens e estão dispostas em doze grupos: Transferência de Imagens; Manipulação de Imagens em fita; Manipulação de Imagens em cartucho; Tratamento de Imagens; Filtragem Espacial; Classificação por Máxima Verossimilhança (MAXVER); Classificação determinística; Classificação Outros; Registro de rotação espectral; Operações no visualizador; e Utilitários; Mapas temáticos podem também ser elaborados a partir do processamento digital de imagens, os quais são corriqueiramente denominados de "imagens classificadas". Tanto os mapas temáticos produzidos através da interpretação visual, quanto aqueles elaborados a partir do processamento digital de imagens, podem ser introduzidos num Sistema de Informações Geograficas (SIG) para as mais variadas formas de processamento visando a obtenção de novas informações. Utilizando-se o "hardware" desenvolvido para o SITIM, foi desenvolvido, também pelo INPE, um SIG (denominado SGI), o qual permite aplicações nas áreas da cartografia automatizada, da análise e do monitoramento e levantamento de recursos naturais, etc. As funções existentes no SGI estão reunidas em cinco grupos: Definição de dados - permite definir projetos, planos de informação e controlar diversos parametros dos dados; Entrada - fornece opções para a entrada de dados nos Planos de Informação, utilizando funções diferentes para cada categoria (imagem, modelo numérico de Terreno (MNT) e mapas temáticos); Conversão - utiliza opções para conversão entre formatos, troca de projeção e outros parâmetros; Manipulação - funções de análise de dados e geração de dados derivados. Dentre estas funções podemos citar: reclassificar por classes, fatiar MNT, reclassificação por polígono, operações entre PI's, geração de mapas de distâncias e declividade, cálculo de área de classes e volume de MNT. Dentre as funções de manipulação está incluída a estimativa do parâmetro Kappa; Saída - possui funções para geração e plotagem de cartas, visualização em 3D, geração de imagem sintética, tabulação cruzada e relatórios. 4 Descrição do programa Kappa O programa Kappa foi desenvolvido dentro de um ambiente de um SIG com o objetivo de permitir a rápida comparação entre mapas e/ou procedimentos considerados na elaboração destes mapas, segundo os conceitos preconizados por Congalton et al. (1983). Dentro de um SIG, os mapas são considerados como Planos de Informação (PI s), os quais são passíveis das mais variadas formas de manipulação. Especificamente para as comparações pretendidas entre mapas e mapas, e/ou mapas e dados de campo via os valores do estimador de k, as funções presentes num SIG permitem a rápida elaboração de matrizes de erros segundo os mais variados procedimentos que incluem a averiguação pixel à pixel dos mapas, ou até mesmo a coleta de dados mediante a seleção de amostras sobre o mapa em análise. Antes da inicialização do programa Kappa, o usuário deve se certificar de que os mapas introduzidos no sistema apresentam-se perfeitamente "superpostos" entre si (registrados) e na forma "rasterizada" ou matricial (imagem) com mesma resolução espacial (mesmos tamanho e forma do pixel). Quando a opção for a seleção de amostras, os mapas podem não possuir o mesmo tamanho, mas devem obrigatoriamente estar registrados entre si. A inicialização do programa Kappa atualmente disponível no SIG desenvolvido pelo INPE se dá com a apresentação de um menú ao usuário composto por quatro opções: a) Elaboração de matrizes de erros; b) Estatística Kappa; c) Ambos os procedimentos anteriores; d) Sair para o sistema operacional. Na opção a), o usuário deverá informar o número de mapas (ou PIs) que pretende comparar e ainda qual o PI que será considerado como a referência. Este PI referência deve ser considerado pelo usuário como o mapa padrão, com o qual todos os demais serão comparados. Importante salientar que todos os mapas temáticos a serem comparados, inclusive aquele que constituirá a referência, devem ter a mesma legenda, incluíndo o número de classes. Ainda, pixels que não tenham sido classificados (possuindo valor 0 ), quando no caso da elaboração de mapas temáticos a partir de processamento digital de imagens orbitais, não serão levados em consideração na elaboração das matrizes de erros. Esta característica do programa permite então que as estimativas dos valores de k e da exatidão de mapeamento sejam viabilizados para o caso
4 da existência de mapas temáticos que possuam vazios na área a qual se pretende realizar estas estimativas. Em seguida são oferecidas ao usuário as opções de efetuar a elaboração das matrizes de erro em todo o mapa ou em amostras. Na segunda opção o usuário pode definir em toda a área abrangida pelos mapas, amostras das quais serão confrontados seus respectivos pixels com o mapa referência. O tamanho destas amostras, bem como sua localização sobre a área do mapa são definidos pelo usuário que passa a ter à sua disposição um cursor de tamanho, forma e localização variáveis. Caso a opção seja a elaboração das matrizes em toda a área abrangida pelos mapas, o programa realizará o confronto pixel-à-pixel ao longo de toda a área abrangida pelo mapa. Caso contrário, esta comparação será restrita à área compreendida pelo cursor. Para o caso de mapas temáticos elaborados a partir de procedimentos de classificação supervisionados de imagens orbitais, o usuário deve tomar o cuidado de não selecionar amostras no mesmo posicionamento geográfico daquelas amostras utilizadas durante a etapa de treinamento do algorítmo de classificação. Este cuidado assegurará a não-tendenciosidade da amostragem na elaboração das matrizes de erros, e conseqüentemente, da estimativa de k. Seja qual for a opção do usuário, a elaboração das matrizes de erro é fundamentada numa função do SGI do INPE denominada TABCRUZ (Tabulação cruzada), que foi desenvolvida primeiramente para calcular áreas comuns entre dois PIs. Esta função foi então adaptada para o processamento do programa Kappa, o que implicou em modificações de forma a apresentar o número de pixels referentes a intersecção entre as classes numa forma matricial. A Tabela 1 apresenta a distribuição matricial das classes, sendo que no exemplo em questão existem 75 pixels comuns à Classe 1 no PI Referência e em um PI x fictício a ser comparado. No PI x, 10 pixels foram identificados como pertencentes a classe 2, mas no PI Referência pertenciam a classe 1. Para mesma classe 2 do PI x foram identificados 20 pixels que no PI Referência 1 foram designados como pertencentes à classe 1. Desta forma, é possível avaliar a diferença entre dois planos de Informação. Tabela 1 - Matriz relativa a intersecção de dois Planos de informação PI Referência Clas. 1 Clas. 2 Clas. 3 Clas. 4 Clas PI x Clas Clas Clas Como resultado do final do processamento desta etapa a) do programa Kappa, é elaborado um arquivo em formato ASCII contendo todas as matrizes de erro, referentes à cada um dos mapas comparados. Na opção b) são realizados os cálculos propriamente ditos. O cálculo da estimativa do parâmetro k é feito segundo a seguinte expressão: r r N Σ x ii - Σ (x i+. x +i ) i=1 i=1 k= r N 2 - Σ (x i+. x +i ) i=1 onde: r = número de linhas e de colunas das matrizes de erros; X ii = número de classes na linha i e coluna i; X i+ = total marginal da linha i; X +i = total marginal da coluna i; N = número total de observações. Caso tenham sido elaboradas mais do que uma matriz de erro, o programa compara-as duas a duas, determinando o valor dos desvios entre os seus respectivos valores de k, de forma que se a diferença entre estes valores for significativa, entende-se que há pouca concordância entre os mapas ou procedimentos adotados em sua elaboração. Considerando a distribuição normal dos valores dos estimadores de k, a significância estatística das diferenças entre eles é definida pelos valores de Z que são calculados segundo a seguinte expressão: k 1 - k 2 Z= σ σ 2 onde: k 1 = valor do estimador de k para a matriz 1; k 2 = valor do estimador de k para a matriz 2; σ 2 1 = variância de k para a matriz 1; σ 2 2 = variância de k para a matriz 2. Como resultado desta etapa do processamento do programa, são apresentados na tela do monitor do computador os valores dos estimadores de k para cada uma das matrizes e seus respectivos intervalos de confiança, acompanhados ainda de um teste de significância para esse intervalo ao nível de 95% de probabilidade. Seguem-se também os valores de Z para as comparações entre os valores de k de duplas de matrizes para a verificação do nível de similaridade entre elas. Nesta opção b, o usuário pode fornecer diretamente as matrizes de erro que podem ter sido elaboradas fora do ambiente SIG, bastando somente que o layout do arquivo ASCII que as contenha seja o mesmo daquele definido pelo programa. Estes
5 resultados podem ser também gravados na forma de arquivos ASCII para posterior impressão em papel. Na opção c) os dois procedimentos descritos em a) e em b) são conduzidos seguidamente sem interrupção. 5. Exemplos de aplicação Ortiz (no prelo) utilizou o programa Kappa na comparação de mapas temáticos referentes à culturas agrícolas irrigadas de inverno, elaborados a partir da classificação digital MAXVER de imagens TM/Landsat de diferentes datas, e por 6 diferentes intérpretes. Três destes intérpretes tiveram acesso à um banco de dados referente à essas culturas agrícolas, enquanto que os demais intérpretes serviram-se somente da imagem e nenhuma outra informação adicional para a seleção de amostras. O autor optou pelo cálculo do parâmetro k tomando como base toda a área abrangida pelos mapas, ou seja, pela comparação pixel à pixel, uma vez que toda essa área era composta por fragmentos de áreas cultivadas dispostas em pivôs centrais. As demais porções dos mapas eram compostos por valores 0. Seus resultados indicaram a superioridade do desempenho alcançado pelos intérpretes que se serviram do banco de dados, em comparação com aqueles que não o utilizaram. Caldeira (1994) utilizou técnicas de sensoriamento remoto e de geoprocessamento na classificação de uso da terra e cobertura vegetal em áreas litorâneas. O autor serviu-se de classificadores supervisionados, nãosupervisionados e híbridos na geração de mapas temáticos. As precisões das classificações elaboradas foram avaliadas mediante a estimativa do parâmetro k, assumindo como dados de referência aqueles extraídos da fotointerpretação que foram dispostos na forma cartográfica e introduzidos no SGI do INPE. Damião (1994) comparou dois conjuntos de imagens de sistemas sensores diferentes, obtidas em estações climáticas também diferentes. Foram consideradas duas abordagens, sendo a primeira de cunho qualitativo e a outra de cunho quantitativo, tendo sido, nesta última, utilizado o estimador do parâmetro k. O autor determinou em seu trabalho os valores de k para toda a área do mapa, considerando todas as classes e para cada uma delas individualmente. Referências Card, D.H. Using known map category marginal frequencies to improve estimates of thematic map Sensing, 48(3): , Caldeira, H. S. Classificação temática de áreas litorâneas: uma contribuição metodológica. São José dos Campos, SP. Dissertação de Mestrado. Instituto Nacional de Pesquisas Espaciais, 133 p., (INPE TDI/548). Congalton, R,G.; Oderwald, R.G.; Mead,R.G. Assessing Landsat classifiation accuracy using discrete multivariate statistical techniques. Photogrammetric Engineering and Remote Sensing, 49(12): , Costa, S.M.F. Avaliação de técnicas de processamento digital de imagens TM/Landsat aplicadas na delimitação de áreas urbanas. São José dos Campos, SP. Dissertação de Mestrado. Instituto Nacional de Pesquisas Espaciais., 125 p., (INPE-5071-TDL/410). Damião, D.P. Análise comparativa de imagens multisensores (TM/Landsat e SAR/ERS-1) e multitemporais, na região de Guaíra, SP. São José dos Campos. Dissertação de Mestrado. Instituto Nacional de Pesquisas Espaciais, 107 p., Genderen, J.L.; Lock, B.F. Testing Land-use map Sensing, 43(9): , Hord, R. M.; Brooner, W. Land-use map accuracy criteria. Photogrammetric Engineering and Remote Sensing, 42(5): , Hudson, W.D.; Ramm, C.W. Correct formulation of the Kappa coefficient of agreement. Photogrammetric Engineering and Remote Sensing. 53(4): , Medeiros, J.S. Desenvolvimento metodológico para a detecção de alterações na cobertura vegetal através da análise digital de dados MSS Landsat. São José dos Campos, SP. Dissertação de Mestrado. Instituto Nacional de Pesquisas Espaciais. 127 p., (INPE TDL/262). Ortiz, M.J. Integração de sensoriamento remoto multitemporal, sistema de informações geográficas e banco de dados, na identificação de culturas agrícolas irrigadas de inverno. São José dos Campos, SP. Dissertação de Mestrado. Instituto Nacional de Pesquisas Espaciais. (no prelo). Rosenfield, G.H.; Fitzpatrick-Lins, K. A coefficient of agreement as a measure of thematic classification Sensing, 52(2): , Story, M.; Congalton, R.G. Accuracy assessment: a user s perspective. Photogrammetric Engineering and Remote Sensing, 52(3): , 1986.
O 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.;
Questões 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
Anais XI SBSR, Belo Horizonte, Brasil, abril 2003, INPE, p
ANÁLISE COMPARATIVA ENTRE ALGORÍTMOS DE CLASSIFICAÇÃO DIGITAL DE IMAGEM COM BASE NA EXATIDÃO DO MAPEAMENTO DO USO E COBERTURA DO SOLO: UM EXEMPLO NA ÁREA DE INFLUÊNCIA DO RESERVATÓRIO DE JURUMIRIM - SP
COMPARAÇÃO 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
Estatística: 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
Sensoriamento Remoto
LABORATÓRIOS DIDÁTICOS DE GEOPROCESSAMENTO Sensoriamento Remoto Classificação Supervisionada de Imagens de Sensoriamento Remoto Elaboração: Cláudia Soares Machado Mariana Giannotti Rafael Walter de Albuquerque
Mapeamento 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
Tipos de dados. Fonte: Cap. 2 Conceitos Básicos em Ciência da Geoinformação
Tipos de dados Fonte: Cap. 2 Conceitos Básicos em Ciência da Geoinformação Geoprocessamento Definição Denota a disciplina do conhecimento que utiliza técnicas matemáticas e computacionais para o tratamento
Classificação 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
FERRAMENTAS ESTATÍSTICAS PARA ANÁLISE DA CLASSIFICAÇÃO
Objetivos: - QUANTIFICAR OS ERROS COMETIDOS NA CLASSIFICAÇÃO - MEDIR A QUALIDADE DO TRABALHO FINAL - AVALIAR A APLICABILIDADE OPERACIONAL DA CLASSIFICAÇÃO Fontes de erro das classificações temáticas Os
MODELAGEM E CRIAÇÃO DE BANCOS DE DADOS
MODELAGEM E CRIAÇÃO DE BANCOS DE DADOS Anderson Reis Soares Relatório de atividades sobre o Laboratório 1 da disciplina de Introdução ao Geoprocessamento (SER-300) do Curso de Pós-Graduação em Sensoriamento
Disciplina Geoprocessamento Aplicadoao Planejamento
Mestradoem Territorial e Desenvolvimento Sócio-Ambiental MPPT Disciplina Geoprocessamento Aplicadoao Prof a. MarianeAlvesDalSanto Prof. Francisco Henrique de Oliveira EMENTA Conceitos e fundamentos do
CLASSIFICAÇÃO DE ORTOFOTO DIGITAL OBTIDA COM VANT FOTOGRAMÉTRICO PARA MAPA DE USO E OCUPAÇÃO DO SOLO.
CLASSIFICAÇÃO DE ORTOFOTO DIGITAL OBTIDA COM VANT FOTOGRAMÉTRICO PARA MAPA DE USO E OCUPAÇÃO DO SOLO. João Edson C. F. da SILVA1; Mosar F. BOTELHO2 RESUMO A propriedade temática dos mapas trata da concepção
Mapas e suas representações computacionais
Mapas e suas representações computacionais Tipos de dados: diversos tipos de dados são utilizados em SIG e suas representações computacionais. Mapas temáticos Descrevem de forma qualitativa, a distribuição
F- 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,
Avaliação 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
Geoprocessamento 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
PROCESSAMENTO 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
CLASSIFICAÇÃO 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
SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (II)
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
GEOPROCESSAMENTO. 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
Mapeamento 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
AVALIAÇÃO 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
GERAÇÃO DE CARTA IMAGEM A PARTIR DE IMAGENS DE SENSORES ORBITAIS DE ALTA RESOLUÇÃO
GERAÇÃO DE CARTA IMAGEM A PARTIR DE IMAGENS DE SENSORES ORBITAIS DE ALTA RESOLUÇÃO Francisco José Silva Soares Mendes Graduando em Geografia pela Universidade Federal do Ceará- UFC/Fortaleza-CE. mendesfjss@yahoo.com.br.
COMPARAÇÃO 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
Análise Multicritério e Modelagem de Dados Ambientais. Web Treinamento do Instituto GEOeduc Autor: Arthur Paiva
Análise Multicritério e Modelagem de Dados Ambientais Web Treinamento do Instituto GEOeduc Autor: Arthur Paiva SUMÁRIO Análise Espacial e Geoprocessamento Mapeamento Temático no Ambiente SIG Conceito de
Geoprocessamento - Geomática
Geoprocessamento - Geomática Ciência que lida com a aquisição, tratamento, análise e comunicação de informações geográficas por meio de métodos numéricos ou quantitativos OBJETIVO Modelo do mundo real
INTRODUÇÃO AO GEOPROCESSAMENTO
INTRODUÇÃO AO GEOPROCESSAMENTO Carina Regina de Macedo RELATÓRIO DE ATIVIDADES LABORATÓRIO Nº 1: MODELAGEM DA BASE DE DADOS Base de Dados Georeferenciados para Estudos Urbanos no Plano Piloto de Brasília.
METODOLOGIA 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
Geoprocessamento. 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
Ecologia 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
Camila 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
SENSORIAMENTO 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
Alterações 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
Mapeamento 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
TRATAMENTO 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
ANALISE DE DADOS AMBIENTAIS POR MEIO DO USO DE IMAGENS DE SATÉLITE
ANALISE DE DADOS AMBIENTAIS POR MEIO DO USO DE IMAGENS DE SATÉLITE MAURICIO MARTORELLI GALERA UNIVERSIDADE ESTADUAL DE LONDRINA UEL INTRODUÇÃO A evolução tecnológica dos sistemas de imageamento remoto
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
3 Sistema de Informação geográfica
3 Sistema de Informação geográfica 3.1 Introdução Também conhecidas como "geoprocessamento", as geotecnologias são o conjunto de técnicas computacionais para coleta, processamento, análise e compartilhamento
SER-330: INTRODUÇÃO AO GEOPROCESSAMENTO
SER-330: INTRODUÇÃO AO GEOPROCESSAMENTO Ulisses Denache Vieira Souza RELATÓRIO DE ATIVIDADES LABORATÓRIO: MODELO NUMERICO DE TERRENO INPE São José dos Campos 2010 1 1 APRESENTAÇÃO Disciplina: Introdução
Dr. Carlos A Felgueiras Gerente de Desenvolvimento do SPRING
O SIG SPRING Dr. Carlos A Felgueiras Gerente de Desenvolvimento do SPRING 1 SPRING Sistema de PRocessamento de INformações Georeferenciadas Introdução Processamento de Imagens Manipulação de Mapas Temáticos
Análise 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,
Geomática INSTITUTO FEDERAL DE CIÊNCIA E TECNOLOGIA DE SC CAMPUS FLORIANÓPOLIS DEPARTAMENTO ACADÊMICO DE CONSTRUÇÃO CIVIL CURSO TÉCNICO DE AGRIMENSURA
INSTITUTO FEDERAL DE CIÊNCIA E TECNOLOGIA DE SC CAMPUS FLORIANÓPOLIS DEPARTAMENTO ACADÊMICO DE CONSTRUÇÃO CIVIL CURSO TÉCNICO DE AGRIMENSURA Geomática 1ª aula - Apresentação Prof. Angelo Martins Fraga
de 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
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Divisão de Sensoriamento Remoto. Geoprocessamento
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS Divisão de Sensoriamento Remoto Geoprocessamento Relatório do Laboratório 3: Modelo Numérico do Terreno (MNT) Fátima Lorena Benítez Ramírez Professores Responsáveis:
GEOPROCESSAMENTO SIAD,
Aplicações do SIG GEOPROCESSAMENTO SIAD, 2005 SISTEMA DE INFORMAÇÕES GEOGRÁFICAS SIG é um sistema que engloba hardware, software, procedimentos e módulos, ou subsistemas, integrados e projetados para dar
PARTE 2 INTRODUÇÃO AO SIG/GIS. Mundo Real. Curso de Geoprocessamento: Prof. Alzir Felippe B. Antunes
PARTE 2 INTRODUÇÃO AO SIG/GIS Mundo Real Camadas de Informações Estrutura dos Dados Geográficos Organização lógica dos dados para preservar sua integridade e facilitar o seu uso. Vetorial Raster ou Matricial
MNT: MODELAGEM NUMÉRICA DE TERRENOS
MNT: MODELAGEM NUMÉRICA DE TERRENOS LEB 450 Topografia e Geoprocessamento II Prof. Carlos A. Vettorazzi 1. Introdução MODELO : Representação da realidade sob a forma material (representação tangível) ou
~J',164x" Cartografia Ambiental da Região de Vitória da Conquista - BA
.-...--~'" ) ~J',164x" Marcelo Guimarães Cartografia Ambiental da Região de Vitória da Conquista - BA Dissertação apresentada ao Instituto de Biociências da Universidade de São Paulo, para a obtenção de
Avaliação 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
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
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
Caroline 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
EAD Sistema CR Campeiro 7
EAD Sistema CR Campeiro 7 Tópico 12 Análise Estatística de Modelos Digitais 8.1 Introdução Os Modelos Digitais estruturados e operados no Sistema Campeiro, consistem em um conjunto de células ordenadas
USO 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,
Sensoriamento 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
ARTIGO 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
Avaliação 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
MAPEAMENTO DO USO DA TERRA E DA EXPANSÃO URBANA EM ALFENAS, SUL DE MINAS GERAIS
MAPEAMENTO DO USO DA TERRA E DA EXPANSÃO URBANA EM ALFENAS, SUL DE MINAS GERAIS BRENO FURTADO LIMA 1 e RÚBIA GOMES MORATO 2 brenogeo@yahoo.com.br, rubiagm@gmail.com 1 Bolsista de iniciação científica FAPEMIG
EXATIDÃO 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.
Performance evaluation of different classifiers (Isoseg, Bhattacharyya, Maxver e Maxver-ICM), using CCD/CBERS-1 and ETM + /LANDSAT- 7 fused images
ISSN = 1980-993X www.agro.unitau.br/ambi-agua E-mail: ambi-agua@agro.unitau.br; Tel.: (12) 3625-4116 Avaliação do desempenho de diferentes classificadores (Isoseg, Bhattacharyya, Maxver e Maxver-ICM),
Mapeamento 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
Modelagem e Criacao de Banco de Dados Laboratorio 1: Geoprocessamento
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 Introdução ao Geoprocessamento Modelagem e Criacao de Banco de Dados Laboratorio 1: Geoprocessamento Aluno: Eufrásio João Sozinho Nhongo INPE São
Classificação 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
AVALIAÇÃO 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
Campus 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
Mapas e suas representações computacionais
Mapas e suas representações computacionais Atributos não espaciais É qualquer informação descritiva relacionada a um único objeto ou um conjunto deles. Os SIGs armazenam estes dados em um Sistema de
CARLA BERNADETE MADUREIRA CRUZ 1 RAFAEL SILVA DE BARROS 1 FLAVIA LOURENÇO FERREIRA 1 ALEXANDRE JOSÉ ALMEIDA TEIXEIRA 1
A ESPACIALIZAÇÃO DE DADOS SÓCIO-ECONÔMICOS EM SUPERFÍCIE COM O SUPORTE DO SENSORIAMENTO REMOTO DISTRIBUIÇÃO POPULACIONAL NO MUNICÍPIO DO RIO DE JANEIRO CARLA BERNADETE MADUREIRA CRUZ 1 RAFAEL SILVA DE
Laboratório 01 Modelagem e Criação de Bancos de Dados
INTRODUÇÃO AO GEOPROCESSAMENTO (SER - 300) Laboratório 01 Modelagem e Criação de Bancos de Dados Docente: Antonio Miguel Vieira Monteiro Discente: Andeise Cerqueira Dutra São José dos Campos Maio, 2017
Laboratório 3 Modelagem Numérica de Terreno
Introdução ao Geoprocessamento (SER-300) Docentes responsáveis: Antônio Miguel Vieira Monteiro e Claudio Barbosa Laboratório 3 Modelagem Numérica de Terreno Professor Responsável pelo Laboratório: Carlos
Extração 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
Laboratório 1. Disciplina. Introdução ao Geoprocessamento SER 300. Prof. Dr. Antonio Miguel Vieira Monteiro
Laboratório 1 Disciplina Introdução ao Geoprocessamento SER 300 Prof. Dr. Antonio Miguel Vieira Monteiro Aluno: Isaque Daniel Rocha Eberhardt INPE, São José dos Campos Abril, 2013 Introdução Dentre as
Sistemas de Informações Geográficas
Sistemas de Informações Geográficas Aula 2 Assuntos: # Revisão em estatística # Revisão em informática # Revisão em sensoriamento remoto # # Histórico do SIG Geotecnologias Sensoriamento Remoto Geoprocessamento
Lição VI A CLASSIFICAÇÃO DA BACIA HIDROGRÁFICA DO RIO IBICUÍ
Lição VI A CLASSIFICAÇÃO DA BACIA HIDROGRÁFICA DO RIO IBICUÍ - 69 - Nesta lição estudaremos como se pode criar um mapa da bacia do rio Ibicuí, que nos mostre, por exemplo: água, vegetação e área agrícola.para
CLASSIFICAÇÃO SUPERVISIONADA UTILIZANDO O SPRING VISANDO A AVALIAÇÃO TEMPORAL DO USO DO SOLO NO ESTADO DE PERNAMBUCO
CLASSIFICAÇÃO SUPERVISIONADA UTILIZANDO O SPRING VISANDO A AVALIAÇÃO TEMPORAL DO USO DO SOLO NO ESTADO DE PERNAMBUCO José Oscar Gomes da Paz 1 ; Rodolfo Jorge Bezerra 2 ; Hernande Pereira da Silva 3 ;
Laboratório 01. Modelagem da Base de Dados: Base de Dados Georeferenciados para Estudos Urbanos no Plano Piloto de Brasília
SER-300 Introdução ao Geoprocessamento Laboratório 01 Modelagem da Base de Dados: Base de Dados Georeferenciados para Estudos Urbanos no Plano Piloto de Brasília Sacha Maruã Ortiz Siani 1 INTRODUÇÃO Este
Sensoriamento Remoto Aplicado à Geografia. Interpretação de imagens e confecção de mapas
Sensoriamento Remoto Aplicado à Geografia Interpretação de imagens e confecção de mapas Prof. Dr. Ailton Luchiari Prof. Dr. Reinaldo Paul Pérez Machado Interpretação de imagens e confecção de mapas Etapas
TÉCNICAS 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
Laboratório 2. Disciplina. Introdução ao Geoprocessamento SER 300. Prof. Dr. Antonio Miguel Vieira Monteiro
Laboratório 2 Disciplina Introdução ao Geoprocessamento SER 300 Prof. Dr. Antonio Miguel Vieira Monteiro Aluno: Isaque Daniel Rocha Eberhardt INPE, São José dos Campos. Abril, 2013. Introdução O curso
Cartografia atual: mapa da aldeia Te ýikue
Cartografia atual: mapa da aldeia Te ýikue Celso Rubens Smaniotto Os recursos tecnológicos atualmente disponíveis fazem da Cartografia uma grande aliada no apoio à pesquisa e à extensão em terras indígenas,
Aplicação 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
Técnicas 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,
Aquisição e Integração de Dados
Aquisição e Integração de Dados - Noções de cartografia - Transformações geométricas - Generalização cartográfica - Edição vetorial INPE - Divisão de Processamento de Imagens INPE BANCO DE DADOS GEOGRÁFICOS
A RELEVÂNCIA DA VALIDAÇÃO A CAMPO NA ANÁLISE DE CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA
A RELEVÂNCIA DA VALIDAÇÃO A CAMPO NA ANÁLISE DE CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA Área temática: Cartografía y tecnologías de la información geográfica. Kelly Lais Wiggers, Selma Regina Aranha
Descrever o lugar. Nesta aula, que inicia o segundo módulo do
A U A UL LA Descrever o lugar Nesta aula, que inicia o segundo módulo do Telecurso de Geografia do 2º grau, vamos acompanhar o trabalho do geógrafo na investigação do espaço. Veremos como o lugar onde
MAPEAMENTO DO USO E COBERTURA DO SOLO DE DOIS VIZINHOS-PR NOS ANOS DE 1984 E 2011 ATRAVÉS DE IMAGENS ORBITAIS TM/LANDSAT 5
MAPEAMENTO DO USO E COBERTURA DO SOLO DE DOIS VIZINHOS-PR NOS ANOS DE 1984 E 2011 ATRAVÉS DE IMAGENS ORBITAIS TM/LANDSAT 5 Ricardo Dal Agnol da Silva 1*, Aline Bernarda Debastiani 2,3, Maurício de Souza
Classificação 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
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO. SER-300 Introdução ao Geoprocessamento. Relatório do Laboratório 1 ANA CAROLINA MOREIRA PESSÔA
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 Introdução ao Geoprocessamento Relatório do Laboratório 1 ANA CAROLINA MOREIRA PESSÔA INPE São José dos Campos 2014 Sumário 1 INTRODUÇÃO... 2 2 DESENVOLVIMENTO...
Profa. Dra. Fernanda Sayuri Yoshino Watanabe
Geoprocessamento Graduação em Geografia 4º ano / 1º Semestre Profa. Dra. Fernanda Sayuri Yoshino Watanabe Departamento de Cartografia fernanda.watanabe@unesp.br 2019 Profa. Dra. Fernanda Sayuri Yoshino
LABORATÓRIO 1 MODELAGEM DA BASE DE DADOS
LABORATÓRIO 1 MODELAGEM DA BASE DE DADOS João Bosco Coura dos Reis Registro nº: 130.362 Exercícios para avaliação parcial na disciplina de Introdução ao Geoprocessamento (SER-300) do Curso de Pós-Graduação
Imagens 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
FOTOGRAMETRIA E FOTOINTERPRETAÇÃO
FOTOGRAMETRIA E FOTOINTERPRETAÇÃO Mosar Faria Botelho PONTOS DE APOIO Objetiva relacionar os objetos contidos na foto aérea com os objetos contidos no terreno. MÉTODOS DE POSICIONAMENTO POR GPS Modo Ponto
ELABORAÇÃO DO MAPA COM SETAS DE ESCOAMENTO SUPERFICIAL DA ÁREA CENTRAL DE SANTA MARIA RS 1
ELABORAÇÃO DO MAPA COM SETAS DE ESCOAMENTO SUPERFICIAL DA ÁREA CENTRAL DE SANTA MARIA RS 1 AQUINO, João P. N 2 ; NORA, Robson D 2 ; BRESSAN, Vagner C 2 ; GARLET, Bruno 2 ; NUNES, Felipe S 2 ; FRANCO, Rafael
4 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
FUNDAMENTOS DE CARTOGRAFIA PARA GEOPROCESSAMENTO
FUNDAMENTOS DE CARTOGRAFIA PARA GEOPROCESSAMENTO ASPECTOS FUNCIONAIS Julio Cesar Lima d Alge Introdução Modelagem cartográfica álgebra de mapas Integração de dados Integração com Sensoriamento Remoto correção
Teoria e Método em Geoprocessamento. Fernando Shinji Kawakubo
Teoria e Método em Geoprocessamento Fernando Shinji Kawakubo Os Livros Clássicos As Grandes Revistas O que é Geoprocessamento? Disciplina do conhecimento que utiliza técnicas matemáticas e computacionais
Cidade 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
Extração da cobertura vegetal de áreas urbanas utilizando imagens do satélite GeoEye-1
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.1576 Extração da cobertura vegetal de áreas urbanas utilizando imagens do satélite
Anais 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
EVOLUÇÃO 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