Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Galvão, Jonilson Michel Fontes [UNESP]
Orientador(a): Martins, Antonio Cesar Germano [UNESP]
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11449/243054
Resumo: A disponibilidade de recursos para estudo e compreensão da dinâmica do uso e cobertura do solo através de sensoriamento remoto por meio de técnicas de classificação com auxílio de aprendizado de máquina tem ganho destaque nos últimos anos. Este trabalho visa apresentar resultados da classificação de regiões em imagens do satélite Sentinel-2 da Área de Preservação Ambiental de Itupararanga, especificamente no entorno da represa de Itupararanga, no Estado de São Paulo. Através do pré-processamento e utilização de índices espectrais (NDVI, GNDVI, NDWI, MNDWI e NDBI) foi feita a classificação da cobertura do solo da região usando as técnicas de inteligência artificial: Random Forest (RF) e Support Vector Machine (SVM). As métricas de avaliação de desempenho registraram excelentes resultados com 99,27% de acurácia global para SVM com kernel radial e 99,15% para RF. O cálculo da cobertura do solo realizado por meio do SVM com kernel radial resultou em 3,4% de agricultura, 7,0% de água, 24,0% de vegetação arbórea, 4,2% de eucalipto, 27,7% de vegetação rasteira, 14,9% de solo exposto, 7,2% de interação solo e arbusto, 14,0% de área urbana e 0,2% de nuvem nas imagens analisadas.
id UNSP_91cd6d642589fba9896cad06ef6eb929
oai_identifier_str oai:repositorio.unesp.br:11449/243054
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Galvão, Jonilson Michel Fontes [UNESP]Universidade Estadual Paulista (Unesp)Martins, Antonio Cesar Germano [UNESP]2023-04-19T20:38:52Z2023-04-19T20:38:52Z2023-02-28http://hdl.handle.net/11449/24305433004170001P6A disponibilidade de recursos para estudo e compreensão da dinâmica do uso e cobertura do solo através de sensoriamento remoto por meio de técnicas de classificação com auxílio de aprendizado de máquina tem ganho destaque nos últimos anos. Este trabalho visa apresentar resultados da classificação de regiões em imagens do satélite Sentinel-2 da Área de Preservação Ambiental de Itupararanga, especificamente no entorno da represa de Itupararanga, no Estado de São Paulo. Através do pré-processamento e utilização de índices espectrais (NDVI, GNDVI, NDWI, MNDWI e NDBI) foi feita a classificação da cobertura do solo da região usando as técnicas de inteligência artificial: Random Forest (RF) e Support Vector Machine (SVM). As métricas de avaliação de desempenho registraram excelentes resultados com 99,27% de acurácia global para SVM com kernel radial e 99,15% para RF. O cálculo da cobertura do solo realizado por meio do SVM com kernel radial resultou em 3,4% de agricultura, 7,0% de água, 24,0% de vegetação arbórea, 4,2% de eucalipto, 27,7% de vegetação rasteira, 14,9% de solo exposto, 7,2% de interação solo e arbusto, 14,0% de área urbana e 0,2% de nuvem nas imagens analisadas.The availability of resources for studying and understanding of land cover dynamics with remote sensing and classification techniques based on machine learning has gained prominence in recent years. This work aims to present results of the classification of regions in Sentinel-2 satellite images from Itupararanga Environmental Preservation Area, specifically around Itupararanga dam, in the State of São Paulo. Through the pre-processing and use of spectral indexes (NDVI, GNDVI, NDWI, MNDWI and NDBI), soil cover of the region was classification using the following artificial intelligence techniques: Random Forest (RF) and Support Vector Machine (SVM). Performance evaluation metrics showed excellent results with 99,27% overall accuracy for SVM with radial kernel and 99,15% for RF. The calculation of land cover performed by means of SVM with radial kernel resulted in 3,4% of agriculture, 7,0% of water, 24,0% of tree vegetation, 4,2% of eucalyptus, 27,7% of undergrowth, 14,9% of exposed soil, 7,2% of soil and shrub interaction, 14,0% of urban area and 0,2% of cloud in the analysed images.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)porUniversidade Estadual Paulista (Unesp)GeoprocessamentoAprendizado do computadorInteligencia artificialClassificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência ArtificialClassification of Regions in Sentinel 2 Satellite Images using Artificial Intelligenceinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPCiências Ambientais - SorocabaDiagnóstico, tratamento e recuperação ambientalGeoprocessamento e modelagem matemática ambientalUniversidade Estadual Paulista (UNESP), Instituto de Ciência e Tecnologia, SorocabaOnlineBanca públicaPublication0bc7c43e-b5b0-4350-9d05-74d892acf9d1virtual::164380-10bc7c43e-b5b0-4350-9d05-74d892acf9d1virtual::164380-17ca198d3-5883-4b53-b8ce-c8f7a157281evirtual::177732-17ca198d3-5883-4b53-b8ce-c8f7a157281evirtual::177732-1TEXTgalvao_jmf_me_soro.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2024-01-11T06:31:51Z (GMT).Extracted texttext/plain76939https://repositorio.unesp.br/bitstreams/e5b20aca-78b1-4719-ac2a-0d39711a285b/download9703fe2f030b90e0efc7e7824c37b004MD58falseAnonymousREADTHUMBNAILgalvao_jmf_me_soro.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2024-01-11T06:31:51Z (GMT).Generated Thumbnailimage/jpeg3798https://repositorio.unesp.br/bitstreams/2b9a3e3c-a4df-4c11-a3eb-2190858a21d8/downloada3fa3da91fa58c888b533f3adfecc654MD59falseAnonymousREADORIGINALgalvao_jmf_me_soro.pdfgalvao_jmf_me_soro.pdfapplication/pdf2206761https://repositorio.unesp.br/bitstreams/ba7e0fb8-ef45-441a-b200-b58ea251e2a7/download7baa98145737480d2ea7c0fc0fbd6aadMD57trueAnonymousREADLICENSElicense.txtWritten by org.dspace.content.LicenseUtilstext/plain; charset=utf-83070https://repositorio.unesp.br/bitstreams/31c470d0-ae57-44fd-bcb5-3175d883f4ce/download03f4c38dc0263a2e923114c6b1724851MD56falseAnonymousREAD11449/2430542026-01-24T05:01:13.351065Zopen.accessoai:repositorio.unesp.br:11449/243054https://repositorio.unesp.brRepositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462026-01-24T05:01:13Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)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
dc.title.pt.fl_str_mv Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial
dc.title.alternative.en.fl_str_mv Classification of Regions in Sentinel 2 Satellite Images using Artificial Intelligence
title Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial
spellingShingle Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial
Galvão, Jonilson Michel Fontes [UNESP]
Geoprocessamento
Aprendizado do computador
Inteligencia artificial
title_short Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial
title_full Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial
title_fullStr Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial
title_full_unstemmed Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial
title_sort Classificação de Regiões em Imagens do Satélite Sentinel 2 através de Inteligência Artificial
author Galvão, Jonilson Michel Fontes [UNESP]
author_facet Galvão, Jonilson Michel Fontes [UNESP]
author_role author
dc.contributor.institution.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Galvão, Jonilson Michel Fontes [UNESP]
dc.contributor.advisor1.fl_str_mv Martins, Antonio Cesar Germano [UNESP]
contributor_str_mv Martins, Antonio Cesar Germano [UNESP]
dc.subject.por.fl_str_mv Geoprocessamento
Aprendizado do computador
Inteligencia artificial
topic Geoprocessamento
Aprendizado do computador
Inteligencia artificial
description A disponibilidade de recursos para estudo e compreensão da dinâmica do uso e cobertura do solo através de sensoriamento remoto por meio de técnicas de classificação com auxílio de aprendizado de máquina tem ganho destaque nos últimos anos. Este trabalho visa apresentar resultados da classificação de regiões em imagens do satélite Sentinel-2 da Área de Preservação Ambiental de Itupararanga, especificamente no entorno da represa de Itupararanga, no Estado de São Paulo. Através do pré-processamento e utilização de índices espectrais (NDVI, GNDVI, NDWI, MNDWI e NDBI) foi feita a classificação da cobertura do solo da região usando as técnicas de inteligência artificial: Random Forest (RF) e Support Vector Machine (SVM). As métricas de avaliação de desempenho registraram excelentes resultados com 99,27% de acurácia global para SVM com kernel radial e 99,15% para RF. O cálculo da cobertura do solo realizado por meio do SVM com kernel radial resultou em 3,4% de agricultura, 7,0% de água, 24,0% de vegetação arbórea, 4,2% de eucalipto, 27,7% de vegetação rasteira, 14,9% de solo exposto, 7,2% de interação solo e arbusto, 14,0% de área urbana e 0,2% de nuvem nas imagens analisadas.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-04-19T20:38:52Z
dc.date.available.fl_str_mv 2023-04-19T20:38:52Z
dc.date.issued.fl_str_mv 2023-02-28
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.uri.fl_str_mv http://hdl.handle.net/11449/243054
dc.identifier.capes.none.fl_str_mv 33004170001P6
url http://hdl.handle.net/11449/243054
identifier_str_mv 33004170001P6
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 Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
bitstream.url.fl_str_mv https://repositorio.unesp.br/bitstreams/e5b20aca-78b1-4719-ac2a-0d39711a285b/download
https://repositorio.unesp.br/bitstreams/2b9a3e3c-a4df-4c11-a3eb-2190858a21d8/download
https://repositorio.unesp.br/bitstreams/ba7e0fb8-ef45-441a-b200-b58ea251e2a7/download
https://repositorio.unesp.br/bitstreams/31c470d0-ae57-44fd-bcb5-3175d883f4ce/download
bitstream.checksum.fl_str_mv 9703fe2f030b90e0efc7e7824c37b004
a3fa3da91fa58c888b533f3adfecc654
7baa98145737480d2ea7c0fc0fbd6aad
03f4c38dc0263a2e923114c6b1724851
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1878344132260265984