1. Identificação | |
Tipo de Referência | Artigo em Evento (Conference Proceedings) |
Site | plutao.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | J8LNKAN8RW/34BF339 |
Repositório | dpi.inpe.br/plutao@80/2008/12.04.13.18.34 |
Última Atualização | 2015:04.20.12.15.37 (UTC) administrator |
Repositório de Metadados | dpi.inpe.br/plutao@80/2008/12.04.13.18.35 |
Última Atualização dos Metadados | 2021:02.24.02.57.12 (UTC) administrator |
Rótulo | lattes: 6500130391746465 1 NovackKuxMontPinh:2008:CaStSã |
Chave de Citação | NovackKuxMontPinh:2008:CaStSã |
Título | Estimation of Population Density Using High Resolution Remote Sensing Data and Spatial Regression Techniques: A Case Study in São Paulo City (Brazil) |
Ano | 2008 |
Data de Acesso | 07 maio 2024 |
Tipo Secundário | PRE CN |
Número de Arquivos | 1 |
Tamanho | 1230 KiB |
|
2. Contextualização | |
Autor | 1 Novack, Tessio 2 Kux, Hermann Johan Reinrich 3 Monteiro, Antonio Miguel Vieira 4 Pinho, Carolina |
Grupo | 1 DSR-OBT-INPE-MCT-BR 2 DSR-OBT-INPE-MCT-BR 3 DPI-OBT-INPE-MCT-BR 4 DPI-OBT-INPE-MCT-BR |
Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Instituto Nacional de Pesquisas Espaciais (INPE) |
Endereço de e-Mail do Autor | 1 tessio@dsr.inpe.br 2 hermann@dsr.inpe.br 3 miguel@dpi.inpe.br 4 carolina@dpi.inpe.br |
Endereço de e-Mail | tessio@dsr.inpe.br |
Nome do Evento | Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geo-Informação, 2. |
Localização do Evento | Recife, PE |
Data | 2008 |
Título do Livro | Anais |
Tipo Terciário | Paper |
Histórico (UTC) | 2008-12-04 16:11:52 :: lattes -> simone :: 2008-12-05 15:19:08 :: simone -> marcia :: 2008-12-15 13:37:51 :: marcia -> administrator :: 2021-02-24 02:57:12 :: administrator -> marciana :: 2008 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Tipo do Conteúdo | External Contribution |
Tipo de Versão | publisher |
Palavras-Chave | sensoriamento remoto urbano regressão espacial densidade populacional |
Resumo | Partindo da premissa de que o planejamento urbano visa o bem-estar dos cidadãos, questões como quantas pessoas vivem na cidade? e onde elas moram? tornam questões chaves. Neste trabalho utilizamos métricas de paisagem geradas pelo programa FragStats como variáveis independentes para a estimação da densidade populacional de setores censitários na megalópole de São Paulo, Brasil. As métricas foram calculadas sobre uma imagem do sensor QuickBird II classificada de forma supervisionada pelo classificador Maxver. A exatidão temática e geométrica da classificação foi avaliada qualitativamente por inspeção visual. Modelos de regressão simples foram gerados e testes estatísticos formais aplicados. A dependência espacial dos resíduos de cada modelo foi analisada através da visualização dos mapas LISA. Em seguida, modelos de regressão espacial foram testados e uma significativa melhora obtida em termos de redução da dependência espacial dos resíduos e de aumento do poder de estimação dos modelos. O uso de variáveis dummy em modelos de regressão linear simples também se mostrou como uma alternativa viável para se obter estes dois efeitos. Os resultados para a área teste dão evidências de que algumas métricas de paisagem obtidas sobre imagens classificadas de sensores de alta resolução quando usadas como variáveis independentes em modelos de regressão espacial podem estimar satisfatoriamente a densidade populacional. ABSTRACT: Assuming that urban planning aims the optimization of urban functioning and the wellbeing of citizens, questions like how many people are living in the city? and where do they live? become key issues. In this work we utilized landscape metrics generated by the FragStats software for the estimation of population density out of census sectors in the mega city of São Paulo, Brazil. The metrics were calculated over an image from the QuickBird II sensor classified by the Maxver algorithm. The accuracy of the classified image was analyzed qualitatively. Ordinary linear regression models were generated and formal statistical tests applied. The residuals from each model had their spatial dependency analyzed by visualizing their LISA Maps. Afterwards, spatial regression models were tried and a significant improvement obtained in terms of spatial dependency reduction and augmentation of the prediction power of the models. For the sake of comparison, the use of dummy variables was also tried and has shown to be a suitable option for eliminating spatial dependency of the residuals as well. The results proved that some landscape metrics obtained over high resolution imagery classified by simple supervisioned methods can predict well the population density at the area under study when used as independent variables at spatial regression models. |
Área | SRE |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Estimation of Population... |
Arranjo 2 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Estimation of Population... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | não têm arquivos |
Conteúdo da Pasta agreement | não têm arquivos |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/J8LNKAN8RW/34BF339 |
URL dos dados zipados | http://urlib.net/zip/J8LNKAN8RW/34BF339 |
Idioma | en |
Arquivo Alvo | novack_estimation.pdf |
Grupo de Usuários | lattes marcia administrator marciana |
Grupo de Leitores | administrator marciana |
Visibilidade | shown |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3EQCCU5 8JMKD3MGPCW/3ER446E |
Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
|
6. Notas | |
Campos Vazios | archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition editor format isbn issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url volume |
|
7. Controle da descrição | |
e-Mail (login) | marciana |
atualizar | |
|