1. Identificação | |
Tipo de Referência | Tese ou Dissertação (Thesis) |
Site | mtc-m21b.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W34P/3MAPN7E |
Repositório | sid.inpe.br/mtc-m21b/2016/08.23.15.02 |
Última Atualização | 2017:01.31.18.04.28 (UTC) administrator |
Repositório de Metadados | sid.inpe.br/mtc-m21b/2016/08.23.15.02.23 |
Última Atualização dos Metadados | 2018:06.04.02.27.17 (UTC) administrator |
Chave Secundária | INPE-17771-TDI/2514 |
Chave de Citação | França:2017:EsCaSe |
Título | Comparação entre classificações de cobertura do solo urbano derivadas do WV-2 quanto ao nível da legenda de classificação: estudo de caso para um setor da Unicamp, SP |
Título Alternativo | Comparison of land cover classifications of WV-2 images regarding the legend level: a case study in the Unicamp-SP sector |
Curso | SER-SRE-SPG-INPE-MCTI-GOV-BR |
Ano | 2017 |
Data | 2016-08-31 |
Data de Acesso | 11 maio 2024 |
Tipo da Tese | Dissertação (Mestrado em Sensoriamento Remoto) |
Tipo Secundário | TDI |
Número de Páginas | 243 |
Número de Arquivos | 1 |
Tamanho | 94537 KiB |
|
2. Contextualização | |
Autor | França, David Guimarães Monteiro |
Banca | Almeida, Cláudia Maria de (presidente/orientadora) Kux, Hermann Johann Heinrich Körting, Thales Sehn Feitosa, Raul Queiroz |
Endereço de e-Mail | dvdgmf@gmail.com |
Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) |
Cidade | São José dos Campos |
Histórico (UTC) | 2016-08-23 15:04:49 :: davidguima -> yolanda.souza@mcti.gov.br :: 2016-08-24 12:47:11 :: yolanda.souza@mcti.gov.br -> davidguima :: 2016-10-04 21:07:36 :: davidguima -> yolanda.souza@mcti.gov.br :: 2016-10-05 13:00:47 :: yolanda.souza@mcti.gov.br -> davidguima :: 2016-10-11 00:08:07 :: davidguima -> yolanda.souza@mcti.gov.br :: 2017-01-31 18:09:09 :: yolanda.souza@mcti.gov.br -> marcelo.pazos@inpe.br :: 2017-02-02 12:10:06 :: marcelo.pazos@inpe.br -> administrator :: -> 2016 2017-03-08 14:14:33 :: administrator :: 2016 -> 2017 2018-06-04 02:27:17 :: administrator -> :: 2017 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | sensoriamento remoto urbano GEOBIA modelo digital de altura CART urban remote sensing digital height model AdaBoost.M1 |
Resumo | Áreas urbanas possuem importância estratégica por abrigarem a imensa maioria da população brasileira, mas essas áreas são dinâmicas e demandam contínua atualização cartográfica. Tal necessidade posiciona o sensoriamento remoto orbital (SR) como ferramenta chave para o mapeamento e atualização dessas áreas, oferecendo cobertura sistemática e elevada qualidade geométrica. Mas a complexidade dos alvos urbanos é tema persistente na literatura e vai além das limitações espectrais. Neste contexto, este trabalho explorou as potencialidades e limitações do sensor WorldView-2 (WV-2) para a classificação fina de alvos urbanos, utilizando-se de algoritmos não-paramétricos e tendo como objeto de estudo uma área contendo grande diversidade de materiais de cobertura do solo, localizada em uma área-teste do campus da Universidade Estadual de Campinas (UNICAMP), São Paulo. De forma a cumprir essa tarefa, foram explorados métodos de mineração de dados, refinados pelo algoritmo híbrido de boosting (AdaBoost.M1) e conjugados a análise de imagens baseada em objetos geográficos (GEOBIA). Foram analisados três algoritmos de árvore de decisão: C4.5 (J48), C5.0 (See5) e CART em dois níveis de legenda de classificação, com e sem o auxílio de um modelo digital de altura (MDA). Como resultado, foram gerados 12 cenários de classificação para uma mesma imagem da área de estudo. O algoritmo de boosting se mostrou eficiente nos 12 experimentos de classificação, auxiliando as árvores de decisão a atingirem valores de exatidão temática de até 0,74 para 12 classes de legenda (Nível I) e 0,72 para 36 classes do Nível II. No que diz respeito à análise comparativa dos algoritmos, o CART com auxílio do MDA gerou o modelo de árvore de decisão com o menor número de regras dentre os algoritmos aqui apresentados. Por fim, conclui-se que a metodologia apresentada se mostrou satisfatória na mineração de dados visando à classificação supervisionada baseada em objeto da imagem WV-2 referente à área de estudo analisada neste trabalho. ABSTRACT: Urban areas have strategic importance for hosting the vast majority of the population, but these areas are dynamic and require continuous and updated mapping. As a consequence of this need, remote sensing (RS) plays a key role in mapping and updating these areas, providing systematic coverage and high geometrical quality, but the complexity of urban targets is a persistent theme in the literature and goes beyond spectral limitations. In this context, this work explored comparatively the potential and constraints of the WorldView-2 sensor (WV-2) in the fine classification of urban targets by means of non-parametric algorithms and having as a study object an area containing a large diversity of land cover materials, located at the campus of Campinas State University (UNICAMP), belonging to Sao Paulo state, Brazil. Data mining methods where explored in order to fulfill this task, refined by the boosting algorithm (AdaBoost.M1) they where also coupled to the geographical object-based image analysis (GEOBIA). Three algorithms were also analyzed for two legend levels: C4.5 (J48), C5.0 (See5) and CART, with and without the help of a digital height model (DHM). As a result, 12 classification scenarios where generated for a single image of the study area. The boosting algorithm displayed its efficiency in the 12 experiments by means of assisting the decision trees to reach thematic accuracy values of up to 0.74 to the first 12 legend classes (Level I) and up to 0.72 to 36 classes of the Level II. Regarding the comparative analysis among the algorithms, the CART algorithm with the help of the DHM, generated the decision tree model with the smallest number of rules among them. Lastly, we can conclude that the methodology hereby presented proved to be satisfactory in the data mining targeted to the object-based supervised classification of the WV-2 image related to the study area analyzed in this work. |
Área | SRE |
Arranjo | urlib.net > SER > Comparação entre classificações... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | originais/@4primeirasPaginas-13.pdf | 30/01/2017 15:24 | 162.1 KiB | originais/ata.pdf | 30/01/2017 15:37 | 968.0 KiB | originais/declaracao orientador 2.pdf | 30/01/2017 15:44 | 22.4 KiB | originais/declaracao orientador.pdf | 30/01/2017 15:37 | 300.0 KiB | originais/folha aprovação.pdf | 21/10/2016 14:40 | 31.3 KiB | originais/publicacao-4.pdf | 23/01/2017 14:56 | 92.2 MiB | |
Conteúdo da Pasta agreement | |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34P/3MAPN7E |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34P/3MAPN7E |
Idioma | pt |
Arquivo Alvo | publicacao.pdf |
Grupo de Usuários | davidguima marcelo.pazos@inpe.br yolanda.souza@mcti.gov.br |
Grupo de Leitores | administrator davidguima marcelo.pazos@inpe.br yolanda.souza@mcti.gov.br |
Visibilidade | shown |
Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 |
Detentor da Cópia | SID/SCD |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Repositório Espelho | sid.inpe.br/mtc-m21b/2013/09.26.14.25.22 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S |
Lista de Itens Citando | |
Acervo Hospedeiro | sid.inpe.br/mtc-m21b/2013/09.26.14.25.20 |
|
6. Notas | |
Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype |
|