@MastersThesis{Carvalho:2023:ClInCo,
author = "Carvalho, R{\^o}mulo Marques",
title = "Classifica{\c{c}}{\~a}o intraurbana da cobertura do solo com
imagem do worldview-3 baseada em deep learning e
gera{\c{c}}{\~a}o de cen{\'a}rios futuros de uso do solo urbano
por meio de modelos din{\^a}micos espaciais",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2023",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2023-08-18",
keywords = "espa{\c{c}}o urbano, classifica{\c{c}}{\~a}o de imagens,
modelagem din{\^a}mica espacial, m{\'e}todo bayesiano de pesos
de evid{\^e}ncias, urban space, image classification, dynamic
spatial modeling, bayesian weights of evidence method.",
abstract = "As tend{\^e}ncias globais evidenciam um planeta com
popula{\c{c}}{\~a}o cada vez mais urbana, destacando-se a
Am{\'e}rica Latina e, especialmente, o Brasil. Sob esse
cen{\'a}rio, evidencia-se a relev{\^a}ncia de pesquisas
cient{\'{\i}}ficas e a{\c{c}}{\~o}es governamentais que visem
{\`a} redu{\c{c}}{\~a}o ou {\`a} mitiga{\c{c}}{\~a}o dos
impactos sociais, econ{\^o}micos e ambientais provocados pelo
processo de urbaniza{\c{c}}{\~a}o. Dessa forma, as t{\'e}cnicas
e instrumentos do campo do planejamento urbano, associados {\`a}s
geotecnologias, podem ser um caminho para se alcan{\c{c}}ar uma
gest{\~a}o melhor dos impactos oriundos desse fen{\^o}meno.
Nesse sentido, o trabalho aqui apresentado realizou
investiga{\c{c}}{\~o}es sobre o espa{\c{c}}o urbano no
{\^a}mbito da classifica{\c{c}}{\~a}o de imagem de
sensoriamento remoto e da modelagem din{\^a}mica espacial a
partir da ado{\c{c}}{\~a}o de uma {\'a}rea de estudo, o
Munic{\'{\i}}pio de S{\~a}o Caetano do Sul, SP. Classificou-se
uma imagem do WordView-3 com o objetivo de identificar os
materiais da cobertura do solo de toda a cidade por duas
abordagens, a primeira, por algoritmos de Machine Learning e, a
segunda, por Deep Learning. Al{\'e}m disso, modelou-se a
mudan{\c{c}}a de uso do solo intraurbano entre os anos de 2006 a
2021, procedida da gera{\c{c}}{\~a}o de cen{\'a}rios futuros
por um modelo baseado em aut{\^o}mato celular, o DinamicaEGO. A
classifica{\c{c}}{\~a}o da imagem resultou na
identifica{\c{c}}{\~a}o de 90 classes, que representam desde
vastas {\'a}reas de arboriza{\c{c}}{\~a}o densa a pequenos
objetos urbanos, como elementos construtivos de
edifica{\c{c}}{\~o}es. Ap{\'o}s an{\'a}lise da ocorr{\^e}ncia
das classes na extens{\~a}o territorial da cidade, observou-se
que 50% destas concentravam mais de 85% da {\'a}rea de cobertura
do solo, o que possibilita a exclus{\~a}o, em trabalhos futuros,
de classes n{\~a}o expressivas para classifica{\c{c}}{\~o}es na
escala da cidade. A exatid{\~a}o global inferida foi de 67%, e a
acur{\'a}cia por classe variou significativamente. As classes do
grupo de objetos naturais apresentaram as maiores acur{\'a}cias,
tanto do produtor quanto do usu{\'a}rio, na m{\'e}dia, acima de
70%. O grupo de objetos de pavimenta{\c{c}}{\~a}o apresentou a
pior acur{\'a}cia da classifica{\c{c}}{\~a}o, abaixo de 40%.
Quanto {\`a} modelagem do fen{\^o}meno din{\^a}mico espacial da
mudan{\c{c}}a do uso do solo, o modelo parametrizado foi capaz de
detectar as altera{\c{c}}{\~o}es de usos substanciais, tanto em
termos territoriais quanto em termos funcionais. Ao todo, foram
simuladas 21 transi{\c{c}}{\~o}es entre 8 classes de uso na
escala intraurbana. As melhores simula{\c{c}}{\~o}es
alcan{\c{c}}aram {\'{\i}}ndices de similaridade fuzzy
vari{\'a}veis entre 0,25 e 0,58 para pequenas janelas de
vizinhan{\c{c}}a, com decaimento exponencial, e entre 0,65 e 0,95
para decaimento constante com janelas maiores. O m{\'e}todo de
infer{\^e}ncia bayesiana adotado provou ser uma boa abordagem de
parametriza{\c{c}}{\~a}o para simular processos de
mudan{\c{c}}a de uso do solo urbano envolvendo v{\'a}rias
classes e transi{\c{c}}{\~o}es. O modelo devidamente
parametrizado possibilitou a gera{\c{c}}{\~a}o de cen{\'a}rios
para um horizonte curto de tempo, considerando diferentes
tend{\^e}ncias de mudan{\c{c}}a do uso do solo urbano. ABSTRACT:
Global trends show a planet with an increasingly urban population,
with Latin America and especially Brazil standing out. This
scenario highlights the importance of scientific research and
government action aimed at reducing or mitigating the social,
economic, and environmental impacts of the urbanization process.
In this way, techniques and instruments from the field of urban
planning, combined with geotechnologies, can be a way of achieving
better management of the impacts caused by this phenomenon. In
this regard, the work presented here investigated urban space by
means of remotely sensed image classification and dynamic spatial
modeling, of S{\~a}o Caetano do Sul city, SP. A WordView-3 image
was classified in order to identify the land cover materials of
the entire city using two approaches, the first using Machine
Learning algorithms and the second using Deep Learning. In
addition, the change in intra urban land use between 2006 and 2021
was modeled, followed by the generation of future scenarios using
a cellular automaton-based platform, DinamicaEGO. The image
classification resulted in the identification of 90 classes,
ranging from vast areas of dense arborization to small urban
objects, such as constructive building elements. After identifying
these classes in the city's territorial extension, it was observed
that 50% of them concentrated more than 85% of the land cover
area, which makes it possible to exclude non-expressive classes
for classifications at a city scale in future works. The estimated
overall accuracy was 67% and the accuracy per class varied
significantly. The classes in the natural objects group showed the
highest accuracies, both for the producer and the user, averaging
over 70%. The paving object group had the worst classification
accuracy, below 40%. As for modeling the dynamic spatial
phenomenon of land use change, the parameterized model was able to
detect substantial changes in use, both in terms of extent and
positioning. A total of 21 transitions among eight land use
classes were simulated at the intra-urban scale. The best
simulations achieved variable fuzzy similarity indices between
0.25 and 0.58 for small neighborhood windows, with exponential
decay, and between 0.65 and 0.95 for constant decay with larger
windows. The adopted Bayesian weights of evidence method proved to
be a good parameterization approach for simulating urban land use
change processes involving various classes and transitions. The
properly parameterized model made it possible to generate
scenarios for a short time horizon, considering different trends
in urban land use change.",
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 and La Rosa, Laura Elena Cu{\'e}",
englishtitle = "Deep learning-based intra-urban land cover classification of a
worldview-3 image and generation of future urban land use
scenarios using spatial dynamic models",
language = "pt",
pages = "172",
ibi = "8JMKD3MGP3W34T/49NLC92",
url = "http://urlib.net/ibi/8JMKD3MGP3W34T/49NLC92",
targetfile = "publicacao.pdf",
urlaccessdate = "28 abr. 2024"
}