Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético
Ano de defesa: | 2011 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal do Pará
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Engenharia Elétrica
|
Departamento: |
Instituto de Tecnologia
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://repositorio.ufpa.br/jspui/handle/2011/2895 |
Resumo: | Neste trabalho é apresentado um modelo de redes neurais que será utilizado como ferramenta para uso no planejamento energético e na construção de cenários energéticos através da identificação e agrupamento de pixels representativos de classes de água, vegetação e antropização no entorno do reservatório de Tucuruí, Estado do Pará (bacia do rio Tocantins). Para o estudo, foram utilizadas fotografias aéreas ortorretificadas e um recorte da imagem do satélite Landsat, ambos obtidos em agosto de 2001 e classificados utilizando a métrica da mínima distância no software Matlab 7.3.0 (Matrix Laboratory - software de matemática aplicada) e no Arcview 3.2a (programa de Sistemas de Informações Geográficas). Para classificação da área no Matlab, foram utilizadas redes neurais competitivas, mais especificamente as redes de Kohonen que são caracterizadas por realizar um mapeamento de um espaço de dimensão n (número de entradas) para um espaço de dimensão m (número de saídas). Os resultados obtidos no classificador utilizando rede neural e no classificador do Arcview foram semelhantes, mas houve uma divergência no que diz respeito à imagem de alta e média resolução que pode ser justificada pelo fato de que a imagem de alta resolução espacial ocasiona muita variação espectral em algumas feições, gerando dificuldades nas classificações. Esse classificador automático é uma ferramenta importante para identificar oportunidades e potenciais a serem desenvolvidos na construção de cenários energéticos programados. Os resultados deste trabalho confirmam que a imagem de média resolução ainda é a mais indicada para resolver a maioria dos problemas que envolvem identificação de cobertura do solo para utilização em planejamento energético. |
id |
UFPA_e2131d7f624c7c20dd3acf725cd4def9 |
---|---|
oai_identifier_str |
oai:repositorio.ufpa.br:2011/2895 |
network_acronym_str |
UFPA |
network_name_str |
Repositório Institucional da UFPA |
repository_id_str |
|
spelling |
2012-08-27T16:42:20Z2012-08-27T16:42:20Z2011-01-20SANTOS, Neuma Teixeira dos. Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético. 2011. 112 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2011. Programa de Pós-Graduação em Engenharia Elétrica.http://repositorio.ufpa.br/jspui/handle/2011/2895Neste trabalho é apresentado um modelo de redes neurais que será utilizado como ferramenta para uso no planejamento energético e na construção de cenários energéticos através da identificação e agrupamento de pixels representativos de classes de água, vegetação e antropização no entorno do reservatório de Tucuruí, Estado do Pará (bacia do rio Tocantins). Para o estudo, foram utilizadas fotografias aéreas ortorretificadas e um recorte da imagem do satélite Landsat, ambos obtidos em agosto de 2001 e classificados utilizando a métrica da mínima distância no software Matlab 7.3.0 (Matrix Laboratory - software de matemática aplicada) e no Arcview 3.2a (programa de Sistemas de Informações Geográficas). Para classificação da área no Matlab, foram utilizadas redes neurais competitivas, mais especificamente as redes de Kohonen que são caracterizadas por realizar um mapeamento de um espaço de dimensão n (número de entradas) para um espaço de dimensão m (número de saídas). Os resultados obtidos no classificador utilizando rede neural e no classificador do Arcview foram semelhantes, mas houve uma divergência no que diz respeito à imagem de alta e média resolução que pode ser justificada pelo fato de que a imagem de alta resolução espacial ocasiona muita variação espectral em algumas feições, gerando dificuldades nas classificações. Esse classificador automático é uma ferramenta importante para identificar oportunidades e potenciais a serem desenvolvidos na construção de cenários energéticos programados. Os resultados deste trabalho confirmam que a imagem de média resolução ainda é a mais indicada para resolver a maioria dos problemas que envolvem identificação de cobertura do solo para utilização em planejamento energético.In this work, a model of neural network for energy planning and construction of energy scenarios is presented. This model permited the identification and clustering of representative pixels of water, vegetation, and anthropic impact around Tucuruí reservoir, located in the Tocantins River basin , (State of Pará, Brazil) . The database consisted in orthorectified aerial photographs and clipping of Landsat satellite’s images. Both were obtained in August 2001 and the two set of images were classified using the method of metric of the minimum distance with Matlab 7.3.0 (Matrix Laboratory – Applied mathematics software) and Arcview 3.2a (Geographic Information Systems Program). Then a competitive neural networks of Kohonen was used to classify the different areas in Matlab. This specific network allowed to map the area in n-dimension (number of entries) for a m-dimensional space (number of outputs). The results obtained with Matlab were compared with the output of Arcview classifier software. The results obtained using the neural network in Matlab and the Arcview classifier were similar, but some differences between the images in high and medium resolution were observed; these differences can be justified by the fact that the images in high spatial resolution cause many spectral variations in some features, creating ratings problems. This automatic classifier appears to be a good tool for the identification of the biomass potential for the construction of energy scenarios. The results of this work could confirm that the images in medium-resolution are the most suitable to solve the most of problems which involve the identification of land cover for energy planning.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoporUniversidade Federal do ParáPrograma de Pós-Graduação em Engenharia ElétricaUFPABrasilInstituto de TecnologiaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOESSensoriamento remotoEnergia elétricaProcessamento de imagensRedes neurais (Computação)AerofotografiaClassificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energéticoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisROCHA, Brigida Ramati Pereira dahttp://lattes.cnpq.br/9943372249006341http://lattes.cnpq.br/1880578794491069SANTOS, Neuma Teixeira dosinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPAinstname:Universidade Federal do Pará (UFPA)instacron:UFPACC-LICENSElicense_urllicense_urltext/plain; charset=utf-852http://repositorio.ufpa.br/oai/bitstream/2011/2895/2/license_url3d480ae6c91e310daba2020f8787d6f9MD52license_textlicense_texttext/html; charset=utf-80http://repositorio.ufpa.br/oai/bitstream/2011/2895/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-823898http://repositorio.ufpa.br/oai/bitstream/2011/2895/4/license_rdfe363e809996cf46ada20da1accfcd9c7MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.ufpa.br/oai/bitstream/2011/2895/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55ORIGINALDissertacao_ClassificacaoAutomaticaCobertura.pdfDissertacao_ClassificacaoAutomaticaCobertura.pdfapplication/pdf2445609http://repositorio.ufpa.br/oai/bitstream/2011/2895/6/Dissertacao_ClassificacaoAutomaticaCobertura.pdf130b40ebc3df1ebf0f20b2d1bc08a446MD56TEXTDissertacao_ClassificacaoAutomaticaCobertura.pdf.txtDissertacao_ClassificacaoAutomaticaCobertura.pdf.txtExtracted texttext/plain183783http://repositorio.ufpa.br/oai/bitstream/2011/2895/7/Dissertacao_ClassificacaoAutomaticaCobertura.pdf.txt978c3c5ce89d3b72a1ad141ea10dcf84MD572011/28952017-12-22 11:07:22.134oai:repositorio.ufpa.br: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Repositório InstitucionalPUBhttp://repositorio.ufpa.br/oai/requestriufpabc@ufpa.bropendoar:21232017-12-22T14:07:22Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA)false |
dc.title.pt_BR.fl_str_mv |
Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético |
title |
Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético |
spellingShingle |
Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético SANTOS, Neuma Teixeira dos CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES Sensoriamento remoto Energia elétrica Processamento de imagens Redes neurais (Computação) Aerofotografia |
title_short |
Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético |
title_full |
Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético |
title_fullStr |
Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético |
title_full_unstemmed |
Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético |
title_sort |
Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético |
author |
SANTOS, Neuma Teixeira dos |
author_facet |
SANTOS, Neuma Teixeira dos |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
ROCHA, Brigida Ramati Pereira da |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/9943372249006341 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/1880578794491069 |
dc.contributor.author.fl_str_mv |
SANTOS, Neuma Teixeira dos |
contributor_str_mv |
ROCHA, Brigida Ramati Pereira da |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES Sensoriamento remoto Energia elétrica Processamento de imagens Redes neurais (Computação) Aerofotografia |
dc.subject.por.fl_str_mv |
Sensoriamento remoto Energia elétrica Processamento de imagens Redes neurais (Computação) Aerofotografia |
description |
Neste trabalho é apresentado um modelo de redes neurais que será utilizado como ferramenta para uso no planejamento energético e na construção de cenários energéticos através da identificação e agrupamento de pixels representativos de classes de água, vegetação e antropização no entorno do reservatório de Tucuruí, Estado do Pará (bacia do rio Tocantins). Para o estudo, foram utilizadas fotografias aéreas ortorretificadas e um recorte da imagem do satélite Landsat, ambos obtidos em agosto de 2001 e classificados utilizando a métrica da mínima distância no software Matlab 7.3.0 (Matrix Laboratory - software de matemática aplicada) e no Arcview 3.2a (programa de Sistemas de Informações Geográficas). Para classificação da área no Matlab, foram utilizadas redes neurais competitivas, mais especificamente as redes de Kohonen que são caracterizadas por realizar um mapeamento de um espaço de dimensão n (número de entradas) para um espaço de dimensão m (número de saídas). Os resultados obtidos no classificador utilizando rede neural e no classificador do Arcview foram semelhantes, mas houve uma divergência no que diz respeito à imagem de alta e média resolução que pode ser justificada pelo fato de que a imagem de alta resolução espacial ocasiona muita variação espectral em algumas feições, gerando dificuldades nas classificações. Esse classificador automático é uma ferramenta importante para identificar oportunidades e potenciais a serem desenvolvidos na construção de cenários energéticos programados. Os resultados deste trabalho confirmam que a imagem de média resolução ainda é a mais indicada para resolver a maioria dos problemas que envolvem identificação de cobertura do solo para utilização em planejamento energético. |
publishDate |
2011 |
dc.date.issued.fl_str_mv |
2011-01-20 |
dc.date.accessioned.fl_str_mv |
2012-08-27T16:42:20Z |
dc.date.available.fl_str_mv |
2012-08-27T16:42:20Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SANTOS, Neuma Teixeira dos. Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético. 2011. 112 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2011. Programa de Pós-Graduação em Engenharia Elétrica. |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufpa.br/jspui/handle/2011/2895 |
identifier_str_mv |
SANTOS, Neuma Teixeira dos. Classificação automática de cobertura vegetal em imagens aéreas e orbitais para uso em planejamento energético. 2011. 112 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2011. Programa de Pós-Graduação em Engenharia Elétrica. |
url |
http://repositorio.ufpa.br/jspui/handle/2011/2895 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Pará |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFPA |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto de Tecnologia |
publisher.none.fl_str_mv |
Universidade Federal do Pará |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPA instname:Universidade Federal do Pará (UFPA) instacron:UFPA |
instname_str |
Universidade Federal do Pará (UFPA) |
instacron_str |
UFPA |
institution |
UFPA |
reponame_str |
Repositório Institucional da UFPA |
collection |
Repositório Institucional da UFPA |
bitstream.url.fl_str_mv |
http://repositorio.ufpa.br/oai/bitstream/2011/2895/2/license_url http://repositorio.ufpa.br/oai/bitstream/2011/2895/3/license_text http://repositorio.ufpa.br/oai/bitstream/2011/2895/4/license_rdf http://repositorio.ufpa.br/oai/bitstream/2011/2895/5/license.txt http://repositorio.ufpa.br/oai/bitstream/2011/2895/6/Dissertacao_ClassificacaoAutomaticaCobertura.pdf http://repositorio.ufpa.br/oai/bitstream/2011/2895/7/Dissertacao_ClassificacaoAutomaticaCobertura.pdf.txt |
bitstream.checksum.fl_str_mv |
3d480ae6c91e310daba2020f8787d6f9 d41d8cd98f00b204e9800998ecf8427e e363e809996cf46ada20da1accfcd9c7 8a4605be74aa9ea9d79846c1fba20a33 130b40ebc3df1ebf0f20b2d1bc08a446 978c3c5ce89d3b72a1ad141ea10dcf84 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA) |
repository.mail.fl_str_mv |
riufpabc@ufpa.br |
_version_ |
1803208467819790336 |