Questões concursos

Documentos relacionados
PROCESSAMENTO DIGITAL DE IMAGENS

MNT: MODELAGEM NUMÉRICA DE TERRENOS

Classificação de imagens de Sensoriamento Remoto. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo

GEOPROCESSAMENTO. Bases conceituais e teóricas. Prof. Luiz Henrique S. Rotta

Mapeamento do uso do solo

Mapeamento do uso do solo para manejo de propriedades rurais

Sensoriamento Remoto

TRATAMENTO DOS DADOS DE SATÉLITES

F- Classificação. Banda A

GEOPROCESSAMENTO. MNT - Modelo Numérico de Terreno. Prof. Luiz Rotta

Modelagem Numérica do Terreno. Prof. Maria Isabel C. de Freitas Adaptado de INPE - DPI

Mapas e suas representações computacionais

Modelos Numéricos de Terreno. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS

Processamento Digital de Imagens

Disciplina Geoprocessamento Aplicadoao Planejamento

INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO

Ecologia de Paisagem Conceitos e métodos de pesquisa 2012

SENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO

SISTEMAS DE INFORMAÇÃO GEOGRÁFICA. No nível mais próximo ao usuário, a interface homemmáquina define como o sistema é operado e controlado.

PARTE 2 INTRODUÇÃO AO SIG/GIS. Mundo Real. Curso de Geoprocessamento: Prof. Alzir Felippe B. Antunes

SISTEMAS DE INFORMAÇÃO GEOGRÁFICA SIG FORMATOS DE REPRESENTAÇÃO DE DADOS FORMATO VETORIAL

PROCESSAMENTO DE IMAGENS

O PROJETO MUTIRÃO DE REFLORESTAMENTO E SEUS EFEITOS AMBIENTAIS NO MUNICÍPIO DO RIO DE JANEIRO.

Sensoriamento Remoto Aplicado à Geografia. Interpretação de imagens e confecção de mapas

GEOPROCESSAMENTO. Classificação de imagens de Sensoriamento Remoto. Prof. Luiz Rotta

METODOLOGIA PARA O LEVANTAMENTO PRELIMINAR DE ÁREAS DE SOLOS EXPOSTO UTILIZANDO O SATÉLITE LANDSAT 5 TM+

27/03/2017 OPERAÇÕES ARITMÉTICAS NDVI E RAZÃO DE BANDAS AULA 04 RAZÃO DE BANDAS. Ex: Realce de minerais de Ferro = ρ v / ρ A

Laboratório Nº 3: Modelagem Numérica do Terreno. Um Modelo Numérico de Terreno (MNT) é uma representação matemática

Geoprocessamento e sensoriamento remoto como ferramentas para o estudo da cobertura vegetal. Iêdo Bezerra Sá

MODELAGEM DE SUPERFÍCIES. Prof. Dr. Cristiano Zerbato

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

José Alberto Quintanilha Mariana Giannotti

GEOPROCESSAMENTO SIAD,

ÁLGEBRA DE MAPAS. ÁLGEBRA DE MAPAS Realce de Imagens Multiespectrais 10/03/16. Sistemas de Informações Geográficas

Mapeamento do uso do solo para manejo de propriedades rurais

Segmentação e Classificação. Prof. Herondino

SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (II)

SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Aula 5. SIG- Eng. Cartográfica Prof. Luciene Delazari

Sensoriamento remoto 1. Prof. Dr. Jorge Antonio Silva Centeno Universidade Federal do Paraná 2016

Conjunto de técnicas (ou tecnologias) ligadas à informação espacial, que engloba a coleta, tratamento e análise de dados.

SENSOREAMENTO REMOTO AULA1

O DESAFIO DOS SENSORES REMOTOS NO INVENTÁRIO DE BIOMASSA SÓLIDA. José Rafael M. Silva; Adélia Sousa; e Paulo Mesquita

COMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA

Modelagem Numérica de Terreno. Carlos Alberto Felgueiras

Sistemas de Informações Geográficas

Prof o. Ti T a i go B adr d e r Mar a ino n Geoprocessamento D pa p rtam a ent n o de d Ge G oc o iê i nc n ias Instituto de Agronomia - UFRRJ

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Divisão de Sensoriamento Remoto. Geoprocessamento

ARTIGO COM APRESENTAÇÃO BANNER - MONITORAMENTO AMBIENTAL

Resoluções das Imagens fotogramétricas e digitais. Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia

FERRAMENTAS ESTATÍSTICAS PARA ANÁLISE DA CLASSIFICAÇÃO

AVALIAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO SUPERVISIONADA DE IMAGEM DIGITAL DO SATÉLITE IKONOS NA REGIÃO DA SERRA DO SALITRE - MG

DISTRIBUIÇÃO DA COBERTURA VEGETAL NO MUNICÍPIO DE LAVRAS-MG POR MEIO DO NDVI.

A Representação do Espaço

SENSORIAMENTO REMOTO: CONCEITOS, TENDÊNCIAS E APLICAÇÕES. Imagens de Satélites Orbitais

SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Aula 2. SIG- Eng. Cartográfica Prof. Luciene Delazari

FACULDADE DE ENGENHARIA DE MINAS GERAIS SENSORIAMENTO REMOTO E AEROFOTOGRAMETRIA REVISÃO DE CONTEÚDO. Prof. Marckleuber

Classificação digital de Imagens

Profa. Dra. Fernanda Sayuri Yoshino Watanabe

MODELAGEM E CRIAÇÃO DE BANCOS DE DADOS

Técnicas de Sensoriamento Remoto na análise temporal para a gestão territorial do município de Timon-MA

Conceitos e Classificação da Fotogrametria. Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia

Interpolação. Dr. Marcos Figueiredo

Sensoriamento Remoto I Engenharia Cartográfica. Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista

PROCESSAMENTO DIGITAL DE IMAGENS. Thales Sehn Körting

CLASSIFICAÇÃO MULTIESPECTRAIS

Tipos de dados. Fonte: Cap. 2 Conceitos Básicos em Ciência da Geoinformação

MODELO DIGITAL DE TERRENO II

Definição: representação matemática computacional da distribuição de um fenômeno espacial que ocorre dentro de uma região da superfície terrestre.

PMI 3331 GEOMÁTICA APLICADA À ENGENHARIA DE PETRÓLEO

Geoprocessamento Noções de Escalas. Prof. D.Sc. João Paulo Bestete de Oliveira

COMPORTAMENTO ESPECTRAL DE ALVOS

AVALIAÇÃO DE TÉCNICAS CLASSIFICAÇÃO NA EXTRAÇÃO DE FEIÇÕES EM IMAGENS DE ALTA RESOLUÇÃO DO SENSOR AEROTRANSPORTADO ADS-80.

ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS. Permite mensurar propriedades e relacionamentos considerando a localização espacial do fenômeno

Fundamentos de Sensoriamento Remoto

Modelagem Numérica de Terreno

Correção geométrica de imagens de sensoriamento remoto REGISTRO. Profa. Ligia Flávia Antunes Batista

Introdução ao Processamento de Imagens

MINISTÉRIO DA EDUCAÇÃO Universidade Federal do Triângulo Mineiro Laboratório de Cartografia e Geoprocessamento CARTOGEO/DEGEO/UFTM

ModeloDigital de Superfície-MDS

Transcrição:

Questões concursos

Grandezas radiométricas

Índices de vegetação

Classificação Concurso Público para Pesquisador do IMB Instituto Mauro Borges de Estatísticas e Estudos Socioeconômicos

25. A classificação de imagens, a partir do uso de algoritmos de classificação, permite a criação de imagens virtuais da área para a realização de um posterior cruzamento das informações obtidas, ou mesmo para a elaboração de mapas temáticos. Sobre os algoritmos de classificação de imagens é INCORRETO afirmar que: a) Os métodos do paralelepípedo, da distância mínima e da máxima verossimilhança são algoritmos de classificação supervisionada. b) O método da máxima verossimilhança (MAXVER) baseia-se na escolha de áreas que possam ser representativas de determinadas feições conhecidas. Este método utiliza a média e a covariância dos pixels amostrados, sendo calculada a probabilidade de um pixel externo a essas amostras pertencer a elas.

c) Para utilizar o método MAXVER é necessário adquirir amostras (polígonos delimitadores) para cada uma das classes consideradas. Posteriormente, o método define a probabilidade de um dado pixel externo aos polígonos amostrados pertencer às suas respectivas classes e gera um mapa temático com as classes específicas. d) O método da distância mínima trabalha com uma área quadrada representativa, definida pelo menor e pelo maior valor de pixels contidos em um agrupamento pré-escolhido. Esses pixels, definidos por um polígono qualquer, representarão uma determinada classe presente em uma imagem. e) Os métodos não-supervisionados classificam os pixels de forma automática por meio de uma padronização de sua reflectância.

28. O desenvolvimento de relações funcionais entre as características da vegetação (principalmente culturas agrícolas) e dados coletados remotamente tem sido meta de muitos profissionais dos setores agrícola e florestal. Para minimizar a variabilidade causada por fatores externos, a reflectância espectral tem sido transformada e combinada em vários índices de vegetação; os mais comumente empregados utilizam a informação contida nas refletâncias de dosséis referentes às regiões do vermelho e do infravermelho próximo. Objetivando calcular o Índice de Vegetação por Diferença Normalizada (IVDN), um técnico em geoprocessamento utilizou-se da técnica de tratamento digital de imagens denominada operações aritméticas. A operação aritmética específica para a determinação mencionada foi: a) Razão de bandas. d) Realce de bandas. b) Adição de bandas. e) Adição de bandas. c) Subtração de bandas.

29. O TDI (Tratamento Digital de Imagens) tem como objetivo facilitar e/ou melhorar a extração de informações das imagens e consequentemente a classificação de padrões homólogos. A classificação pode ser alcançada utilizando-se métodos supervisionados e não-supervisionados. Sobre esses métodos, é INCORRETO afirmar: a) Numa classificação supervisionada, é obrigatório um treinamento prévio (aquisição de amostras). b) Numa classificação não-supervisionada, o algoritmo de classificação dispensa a fase de treinamento. c) Um mesmo algoritmo pode classificar de forma supervisionada e não supervisionada, pois o que diferencia um método do outro é apenas a etapa de treinamento. d) Os algoritmos supervisionados podem ser do tipo pixel e por região. e) MaxVer e K-médias são algoritmos de classificação supervisionados e não-supervisionados, respectivamente.

59) Produtos do Sensoriamento Remoto tem aplicações em diversas áreas do conhecimento. Sobre essas aplicações, é correto afirmar: A Dados de sensoriamento remoto são capazes de avaliar a saúde e a diversidade da vegetação. B Atualmente inexistem métodos de sensoriamento remoto que possam ser aplicados ao estudo da água. C Na análise da dinâmica de um ecossistema é necessário monitorar a vegetação através do tempo e identificar as mudanças que estejam ocorrendo. Para esses tipos de análises através do sensoriamento remoto, são necessários dados principalmente com alta resolução espacial. D O sensoriamento remoto é incapaz de fornecer informações sobre a composição química de rochas e minerais da superfície da terra. E O sensoriamento remoto é ineficaz em estudos de biomassa.

57) Sobre o Sensoriamento Remoto na Paisagem Urbana é correto afirmar, exceto: A Dados de sensores remotos podem auxiliar na tarefa de criação de um inventário de localização, tipo, condição e número de residências em um bairro, por exemplo. B A identificação de uma faixa de pedestres em uma via urbana com aproximadamente 6m de comprimento e 2m de largura só é possível em uma fotografia aérea de grande escala. As imagens de satélite disponíveis atualmente ainda não oferecem tal possibilidade. C Técnicas de sensoriamento remoto podem fornecer estimativas populacionais, e em muitos casos podem ter mais precisão que contagens feitas de forma amostral, em campo. D Instalações públicas, como palácios de governo e monumentos nacionais são relativamente fáceis de serem identificados em dados de sensores remotos de alta resolução espacial. E Imagens de sensoriamento remoto de alta resolução podem auxiliar muito aos gestores públicos, por exemplo, na elaboração do plano diretor de um município.

MNT e interpolação Apresente o valor de x que será interpolado na grade abaixo, conforme o raio do desenho e os valores das amostras, para os interpoladores vizinho mais próximo, média simples e média ponderada pelo inverso do quadrado da distância. Não é necessário fazer o cálculo, apenas deixe a operação indicada. Ponto 10 7 18 15 11 20 19 Distância 85 50 67 23 57 96 91

[FCC - Analista Ambiental (SEMA MA)/Geoprocessamento/2016] Um Modelo Numérico de Terreno MNT é uma representação matemática computacional da distribuição de um fenômeno espacial que ocorre dentro de uma região da superfície terrestre. Com relação ao MNT, a) não é usado para análises de corte-aterro para projeto de estradas e barragens. b) o processo de geração de um modelo numérico de terreno pode ser dividido em 2 etapas: a primeira é a aquisição das amostras ou amostragem e a segunda é a geração do modelo propriamente dito ou interpolação. c) só pode ser representado por equações analíticas jamais por uma rede (grade) de pontos. d) não pode ser obtido a partir de pontos coletados em campo. e) não serve para representar dados geofísicos.