1. Identificação | |
Tipo de Referência | Tese ou Dissertação (Thesis) |
Site | mtc-m21d.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W34T/48DJ6PL |
Repositório | sid.inpe.br/mtc-m21d/2023/01.21.20.45 |
Última Atualização | 2023:03.21.14.40.51 (UTC) simone |
Repositório de Metadados | sid.inpe.br/mtc-m21d/2023/01.21.20.45.55 |
Última Atualização dos Metadados | 2023:04.17.14.52.01 (UTC) administrator |
Chave Secundária | INPE-18656-TDI/3284 |
Chave de Citação | Oliveira:2023:EsFiCe |
Título | Estudo das fitofisionomias do Cerrado, utilizando classificação por aprendizagem de máquina |
Título Alternativo | Study of Cerrado phytophysiognomies using classification by machine learning |
Curso | SER-SRE-DIPGR-INPE-MCTI-GOV-BR |
Ano | 2023 |
Data | 2022-12-19 |
Data de Acesso | 12 maio 2024 |
Tipo da Tese | Tese (Doutorado em Sensoriamento Remoto) |
Tipo Secundário | TDI |
Número de Páginas | 136 |
Número de Arquivos | 2 |
Tamanho | 8544 KiB |
|
2. Contextualização | |
Autor | Oliveira, Marceli Terra de |
Banca | Körting, Thales Sehn (presidente) Shimabukuro, Yosio Edemir (orientador) Arai, Egidio (orientador) Baptista, Gustavo Macedo de Mello Souza, Deorgia Tayane Mendes de |
Endereço de e-Mail | marceliterra@gmail.com |
Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) |
Cidade | São José dos Campos |
Histórico (UTC) | 2023-01-21 20:46:28 :: marceli.terra@inpe.br -> pubtc@inpe.br :: 2023-01-26 00:03:14 :: pubtc@inpe.br -> marceli.terra@inpe.br :: 2023-02-10 15:16:08 :: marceli.terra@inpe.br -> pubtc@inpe.br :: 2023-02-13 17:00:45 :: pubtc@inpe.br -> administrator :: 2023-03-21 14:33:00 :: administrator -> pubtc@inpe.br :: 2023-03-24 13:43:22 :: pubtc@inpe.br -> simone :: 2023-03-24 13:48:09 :: simone :: -> 2023 2023-03-24 13:48:28 :: simone -> administrator :: 2023 2023-04-17 14:52:01 :: administrator -> :: 2023 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | Cerrado fitofisionomia random forest Goiás Cerrado phytophysiognomy random forest Goiás |
Resumo | O Cerrado é considerado a savana mais rica em termos de biodiversidade e vem sofrendo grande fragmentação e desmate com a expansão agropecuária. O estado de Goiás possui um dos maiores índices de supressão da vegetação nativa, principalmente devido ao seu histórico de ocupação. A vegetação do Cerrado é bastante heterogênea e são divididas em onze tipos de fitofisionomias gerais, enquadradas em formações Florestais, Savânicas e Campestres, muitas dos quais apresentam subtipos. Técnicas de classificação têm se expandido devido ao desenvolvimento tecnológico tanto computacional, quanto das características e potencialidades das imagens de satélite. Ainda assim, há limitações na detecção e quantificação da vegetação do Cerrado devido à semelhança espectral, principalmente para formações Savânicas e Campestres. Neste trabalho, técnicas de Machine Learning com o algoritmo Random Forest foram utilizadas para a discriminação fitofisionômica em escalas local (Parque Nacional e Área de Proteção Ambiental) e regional (Estado de Goiás e Distrito Federal). Os resultados obtiveram melhores previsões em escalas locais, o que não reduziu a potencialidade em escalas regionais, porém a modelagem tornou-se mais complexa devido a necessidade de parametrização específica. Ainda, foi possível observar a necessidade de dados além do óptico na tentativa de discriminar alvos de mesma categoria e com alta semelhança, sendo diferenciadas em sutis feições, as quais não foram bem representadas pela resolução espectral dos dados Landsat. Em termos quantitativos, o mapeamento eficiente dessas fitofisionomias auxilia na avaliação das condições atuais de áreas protegidas e na compreensão da dinâmica da vegetação. Além disso, auxilia em análises de desmatamento, perda de biomassa, gases de efeito estufa, transformações de uso da terra e diagnóstico da perda de biodiversidade, especialmente das fisionomias Campestres e Savânicas, que ainda carecem de informações mais realistas e com maior nível de confiabilidade. ABSTRACT: The Cerrado is considered the richest savannah in terms of biodiversity and has been suffering significant fragmentation and deforestation by agricultural expansion. The state of Goiás has one of the highest rates of native vegetation suppression, mainly due to its history of occupation. The vegetation of the Cerrado is quite heterogeneous; it has several physiognomies that are divided into eleven types of general phytophysiognomies, framed in Forest, Savannah and Grassland formations, many of which have subtypes. Classification techniques have been expanded due to computational technological development and the characteristics and potential of satellite images. Even so, there are limitations in detecting and quantifying Cerrado vegetation due to spectral similarity, mainly for Savannah and Grassland formations. This work used Machine Learning techniques with Random Forest algorithm for discriminating phytophysiognomic at local (National Park, Environmental Protection Area) and regional (State of Goiás and Federal District) scales. Better results were found on local scales, which did not reduce the potentiality for regional scales, but the modeling becomes more complex due to the need for specific parameterization. Still, it was possible to observe the need for data beyond the optical in an attempt to discriminate targets of the same category and with high similarity, being differentiated in subtle features, which were not well represented by the spectral resolution of the Landsat data. In quantitative terms, the efficient mapping of these phytophysiognomies assess the current conditions of protected areas and better understand the dynamics of the vegetation. In addition, it helps analyze deforestation, biomass loss, greenhouse gases, changes in land use, and diagnosis of biodiversity loss, especially in the Grassland and Savannah physiognomies, which still need more practical information and a higher level of reliability. |
Área | SRE |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Estudo das fitofisionomias... |
Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Estudo das fitofisionomias... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | originais/@4primeirasPaginas.pdf | 21/03/2023 10:10 | 215.2 KiB | originais/Defesa.pdf | 15/02/2023 11:09 | 128.1 KiB | originais/TESE_MARCELI_TERRA_Estudo das fitofisionomias do Cerrado utilizando classificação por aprendizagem de máquina_gerar PDF.pdf | 14/02/2023 09:49 | 8.2 MiB | |
Conteúdo da Pasta agreement | |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34T/48DJ6PL |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34T/48DJ6PL |
Idioma | pt |
Arquivo Alvo | publicacao.pdf |
Grupo de Usuários | marceli.terra@inpe.br pubtc@inpe.br simone |
Visibilidade | shown |
Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 |
Detentor dos Direitos | originalauthor yes |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Repositório Espelho | urlib.net/www/2021/06.04.03.40.25 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/46KUATE |
Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 |
|
6. Notas | |
Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype |
|