Fechar
Metadados

@MastersThesis{Ruiz:2017:ClCoSo,
               author = "Ruiz, Paulo Roberto da Silva",
                title = "Classifica{\c{c}}{\~a}o da cobertura do solo urbano usando 
                         {\'a}rvores de decis{\~a}o a partir de cenas WorldView-2 e 
                         WorldView-3 para diferentes n{\'{\i}}veis de legenda",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2017",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2017-02-21",
             keywords = "WorldView-2, WorldView-3, minera{\c{c}}{\~a}o de dados, 
                         classifica{\c{c}}{\~a}o de cobertura do solo urbano, data 
                         mining, urban land cover classification.",
             abstract = "A partir do final dos anos 1990, o sensoriamento remoto orbital 
                         passou a oferecer imagens de elevada resolu{\c{c}}{\~a}o 
                         espacial. Desde ent{\~a}o, essa novidade fez florescer novas 
                         possibilidades no panorama dos estudos urbanos. A alta 
                         resolu{\c{c}}{\~a}o espacial permite identificar com mais 
                         efici{\^e}ncia os alvos caracter{\'{\i}}sticos das cidades, 
                         inaugurando uma nova era no estudo do espa{\c{c}}o intraurbano. 
                         Atualmente, como a maioria da popula{\c{c}}{\~a}o mundial reside 
                         em cidades, o planejamento urbano n{\~a}o pode prescindir de um 
                         eficiente mapeamento urbano. Nesse sentido, o sensoriamento remoto 
                         de alta resolu{\c{c}}{\~a}o espacial possui papel decisivo, mas 
                         apresenta ainda in{\'u}meros desafios. Um deles {\'e} aliar alta 
                         resolu{\c{c}}{\~a}o espacial a mais de quatro bandas 
                         multiespectrais, que {\'e} o caso dos sensores WorldView-2 
                         (WV-2), detentor de oito bandas, e WorldView-3 (WV-3), detentor de 
                         16 bandas espectrais imageadoras da superf{\'{\i}}cie terrestre. 
                         O mapeamento urbano ganha qualidade com o refinamento espectral, 
                         todavia m{\'e}todos adequados de classifica{\c{c}}{\~a}o devem 
                         ser investigados para otimizar essa tarefa. Nesse contexto, o 
                         presente trabalho busca avaliar o desempenho de dois algoritmos de 
                         indu{\c{c}}{\~a}o de {\'a}rvores de decis{\~a}o para serem 
                         aplicados na classifica{\c{c}}{\~a}o de duas cenas, uma do WV-2 
                         e a outra do WV-3, referente a um transecto do campus da 
                         Universidade Estadual de Campinas, S{\~a}o Paulo. Para cada 
                         conjunto de dados, foram realizadas quatro 
                         classifica{\c{c}}{\~o}es aplicando os algoritmos de {\'a}rvore 
                         de decis{\~a}o Best First Tree (BFTree) e Logistic Model Tree 
                         (LMT) em dois diferentes n{\'{\i}}veis de legenda de 
                         classifica{\c{c}}{\~a}o. O N{\'{\i}}vel de Legenda 1 apresenta 
                         11 classes de cobertura do solo urbano tanto para a cena do WV-2 
                         como para aquela do WV-3, e o N{\'{\i}}vel de Legenda 2 
                         apresenta 38 classes para a cena do WV-2 e 42 classes para a cena 
                         do WV-3. As classifica{\c{c}}{\~o}es alcan{\c{c}}aram 
                         acur{\'a}cias consideradas muito boas, em que os {\'{\i}}ndices 
                         Kappa variaram de 0,6129 a 0,7863 e as exatid{\~o}es globais 
                         entre 64,41\% e 82,27\%. As compara{\c{c}}{\~o}es entre os 
                         resultados das classifica{\c{c}}{\~o}es foram realizadas por 
                         meio de testes de hip{\'o}tese. Os testes comparando o desempenho 
                         dos algoritmos para os distintos conjuntos de dados e 
                         n{\'{\i}}veis de legenda demonstraram que o algoritmo LMT foi 
                         significantemente superior ao algoritmo BFTree. No tocante ao 
                         desempenho dos conjuntos de dados de ambos os sensores, mesmo 
                         possuindo mais classes no N{\'{\i}}vel de Legenda 2, os dados do 
                         WV-3, quando classificados pelo algoritmo LMT, obtiveram 
                         desempenho superior em rela{\c{c}}{\~a}o {\`a}queles do WV-2, 
                         inclusive no N{\'{\i}}vel de Legenda 1. Por fim, o 
                         desenvolvimento deste trabalho elucidou a necessidade de melhoria 
                         das resolu{\c{c}}{\~o}es espaciais e espectrais dos dados 
                         orbitais para a identifica{\c{c}}{\~a}o precisa dos alvos 
                         urbanos, bem como a ado{\c{c}}{\~a}o de algoritmos de 
                         minera{\c{c}}{\~a}o de dados apropriados para esse fim. 
                         ABSTRACT: At the end of the 1990s, orbital remote sensing began to 
                         offer very high spatial resolution images. Since then, this 
                         novelty has fostered new possibilities of scientific investigation 
                         in the scope of urban studies. The very high spatial resolution 
                         enables a more accurate and efficient identification of urban 
                         targets, opening up new paths for studying the intraurban 
                         environment. Today, as most of the world population resides in 
                         cities, urban planning cannot be done without an efficient urban 
                         mapping. In this sense, remote sensing of high spatial resolution 
                         plays a decisive role, though still presents many challenges. One 
                         of these is to combine high spatial resolution with more than four 
                         multispectral bands, which is the case of WorldView-2 (WV-2), an 
                         eight-band system, and WorldView-3 (WV-3), which has 16 spectral 
                         bands meant for imaging the Earth surface. Urban mapping improves 
                         quality with spectral refinement, however suitable classification 
                         methods must be investigated to optimize this task. In this 
                         context, the present work seeks to evaluate the performance of two 
                         decision tree induction algorithms to be applied in the 
                         classification of two scenes, WV-2 and WV-3, covering a transect 
                         within the campus of the Campinas State University, S{\~a}o 
                         Paulo. For each dataset, four classifications were made applying 
                         the Best First Tree (BFTree) and Logistic Model Tree (LMT) 
                         algorithms at two different legend levels. Legend Level 1 presents 
                         11 urban land use classes for both datasets (WV-2 and WV-3) and 
                         Legend Level 2 presents 38 classes for the WV-2 data and 42 
                         classes for the WV-3 data. The classifications achieved very good 
                         accuracies, with Kappa indices ranging from 0.6129 to 0.7863 and 
                         the overall accuracy lying between 64.41\% and 82.27\%. The 
                         comparisons among the classifications results were performed by 
                         means of hypothesis tests. The tests comparing the algorithms 
                         performance for the different datasets and legend levels 
                         demonstrated that the LMT algorithm was significantly superior to 
                         the BFTree algorithm. Regarding the performance of the two 
                         datasets, even though the greater number of classes at the Legend 
                         Level 2, the WV-3 data when classified by the LMT algorithm 
                         performed better than the WV-2 data, also at the Legend Level 1. 
                         Finally, this work corroborated the need to improve the spatial 
                         and spectral resolutions of the orbital data for the precise 
                         identification of the urban targets as well as the adoption of 
                         appropriate data mining algorithms for this purpose.",
            committee = "K{\"o}rting, Thales Sehn (presidente) and Almeida, Cl{\'a}udia 
                         Maria de (orientadora) and Lacerda, Camila Souza dos Anjos 
                         (orientadora) and Kux, Hermann Johann Heinrich and Shiguemori, 
                         Elcio Hideiti",
           copyholder = "SID/SCD",
         englishtitle = "Decision trees-based urban land cover classification of 
                         WorldView-2 and WorldView-3 scenes at different legend levels",
             language = "pt",
                pages = "203",
                  ibi = "8JMKD3MGP3W34P/3NJ9GU8",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34P/3NJ9GU8",
           targetfile = "publicacao.pdf",
        urlaccessdate = "24 nov. 2020"
}


Fechar