Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Justiniano, Eduardo Felix
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Ambiente urbano
Cartografia
Cartography
Classificação de imagem
Image classification
Índice espectral
Informação geográfica voluntária
OpenStreetMap
Remote sensing
Sensoriamento remoto
Urban environment
Volunteered geographic information
Link de acesso: https://www.teses.usp.br/teses/disponiveis/8/8135/tde-26062025-154723/
Resumo: A presente tese procurou integrar dados de sensoriamento remoto e dados auxiliares vetoriais para mensurar áreas de superfícies de vias e estruturas urbanas (VEU) de todos os municípios brasileiros. Para atingir este objetivo, dois índices foram propostos: index of roads and structures (IRS) e rescaled water index (RWI). O primeiro índice integra dados de informação geográfica voluntária do OpenStreetMap com dados de sensoriamento remoto para indicar áreas que estariam associadas às áreas urbanas. O RWI foi desenvolvido a partir do rescalonamento da resposta espectral do comprimento de onda da banda verde, diminuindo a variabilidade e a amplitude de valores associados a esta banda. Comparamos as eficiências do RWI com outros índices bem conhecidos (NDWI e MNDWI) para extrair superfícies hídridas das áreas urbanas. Além destes, utilizamos o NDVI para extrair as superfícies vegetadas. Para calcular os índices, utilizamos composições de imagens Landsat-8 e Landsat-9 para o ano de 2023. Comparamos a eficiência de metolologias baseadas em limiares e em inteligência artificial para a mensuração das VEU. Os melhores resultados foram obtidos com o conjunto NDVI-RWI, estabelecendo-se limiares baseados na maior proximidade de valor da taxa de verdadeiros positivos com o valor complementar da taxa de falsos positivos da curva característica de operação do receptor. Mensuramos a área total de vias e estruturas urbanas brasileiras em 33.884 km², a qual corresponderia à dimensão das superfícies urbanas não cobertas por água ou por vegetação
id USP_aeabbd9d3837bece44e1cd77655f7180
oai_identifier_str oai:teses.usp.br:tde-26062025-154723
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliaresMethodology for mapping roads and urban structures in Brazil by integrating remote sensing and auxiliary dataAmbiente urbanoCartografiaCartographyClassificação de imagemImage classificationÍndice espectralInformação geográfica voluntáriaOpenStreetMapOpenStreetMapRemote sensingSensoriamento remotoUrban environmentVolunteered geographic informationA presente tese procurou integrar dados de sensoriamento remoto e dados auxiliares vetoriais para mensurar áreas de superfícies de vias e estruturas urbanas (VEU) de todos os municípios brasileiros. Para atingir este objetivo, dois índices foram propostos: index of roads and structures (IRS) e rescaled water index (RWI). O primeiro índice integra dados de informação geográfica voluntária do OpenStreetMap com dados de sensoriamento remoto para indicar áreas que estariam associadas às áreas urbanas. O RWI foi desenvolvido a partir do rescalonamento da resposta espectral do comprimento de onda da banda verde, diminuindo a variabilidade e a amplitude de valores associados a esta banda. Comparamos as eficiências do RWI com outros índices bem conhecidos (NDWI e MNDWI) para extrair superfícies hídridas das áreas urbanas. Além destes, utilizamos o NDVI para extrair as superfícies vegetadas. Para calcular os índices, utilizamos composições de imagens Landsat-8 e Landsat-9 para o ano de 2023. Comparamos a eficiência de metolologias baseadas em limiares e em inteligência artificial para a mensuração das VEU. Os melhores resultados foram obtidos com o conjunto NDVI-RWI, estabelecendo-se limiares baseados na maior proximidade de valor da taxa de verdadeiros positivos com o valor complementar da taxa de falsos positivos da curva característica de operação do receptor. Mensuramos a área total de vias e estruturas urbanas brasileiras em 33.884 km², a qual corresponderia à dimensão das superfícies urbanas não cobertas por água ou por vegetaçãoThis thesis aimed to integrate remote sensing data and auxiliary vector data to measure the surface areas of roads and urban structures (VEU) across all Brazilian municipalities. To achieve this objective, two indices were proposed: the Index of Roads and Structures (IRS) and the Rescaled Water Index (RWI). The IRS integrates volunteered geographic information from OpenStreetMap with remote sensing data to identify areas associated with urban surfaces. The RWI was developed by rescaling the spectral response of the green band wavelength, reducing its variability and amplitude of related values. We compared the efficiency of the RWI with other well-established indices (NDWI and MNDWI) for extracting water surfaces in urban areas. Additionally, we used the NDVI to extract vegetated surfaces. We used composite images from Landsat-8 and Landsat-9 for the year 2023 to compute the indices. We compared the efficiency of threshold-based methodologies and artificial intelligence approaches for measuring VEU. The best results were obtained using the NDVI-RWI combination, with thresholds established based on the closest match between the true positive rate and the complementary value of the false positive rate from the receiver operating characteristic (ROC) curve. We estimated the total area of roads and urban structures in Brazil at 33,884 km², corresponding to the extent of urban surfaces not covered by water or vegetationBiblioteca Digitais de Teses e Dissertações da USPKawakubo, Fernando ShinjiJustiniano, Eduardo Felix2025-04-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/8/8135/tde-26062025-154723/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-06-26T18:53:02Zoai:teses.usp.br:tde-26062025-154723Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-06-26T18:53:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares
Methodology for mapping roads and urban structures in Brazil by integrating remote sensing and auxiliary data
title Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares
spellingShingle Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares
Justiniano, Eduardo Felix
Ambiente urbano
Cartografia
Cartography
Classificação de imagem
Image classification
Índice espectral
Informação geográfica voluntária
OpenStreetMap
OpenStreetMap
Remote sensing
Sensoriamento remoto
Urban environment
Volunteered geographic information
title_short Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares
title_full Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares
title_fullStr Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares
title_full_unstemmed Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares
title_sort Metodologia de mapeamento de vias e estruturas urbanas brasileiras integrando sensoriamento remoto e dados auxiliares
author Justiniano, Eduardo Felix
author_facet Justiniano, Eduardo Felix
author_role author
dc.contributor.none.fl_str_mv Kawakubo, Fernando Shinji
dc.contributor.author.fl_str_mv Justiniano, Eduardo Felix
dc.subject.por.fl_str_mv Ambiente urbano
Cartografia
Cartography
Classificação de imagem
Image classification
Índice espectral
Informação geográfica voluntária
OpenStreetMap
OpenStreetMap
Remote sensing
Sensoriamento remoto
Urban environment
Volunteered geographic information
topic Ambiente urbano
Cartografia
Cartography
Classificação de imagem
Image classification
Índice espectral
Informação geográfica voluntária
OpenStreetMap
OpenStreetMap
Remote sensing
Sensoriamento remoto
Urban environment
Volunteered geographic information
description A presente tese procurou integrar dados de sensoriamento remoto e dados auxiliares vetoriais para mensurar áreas de superfícies de vias e estruturas urbanas (VEU) de todos os municípios brasileiros. Para atingir este objetivo, dois índices foram propostos: index of roads and structures (IRS) e rescaled water index (RWI). O primeiro índice integra dados de informação geográfica voluntária do OpenStreetMap com dados de sensoriamento remoto para indicar áreas que estariam associadas às áreas urbanas. O RWI foi desenvolvido a partir do rescalonamento da resposta espectral do comprimento de onda da banda verde, diminuindo a variabilidade e a amplitude de valores associados a esta banda. Comparamos as eficiências do RWI com outros índices bem conhecidos (NDWI e MNDWI) para extrair superfícies hídridas das áreas urbanas. Além destes, utilizamos o NDVI para extrair as superfícies vegetadas. Para calcular os índices, utilizamos composições de imagens Landsat-8 e Landsat-9 para o ano de 2023. Comparamos a eficiência de metolologias baseadas em limiares e em inteligência artificial para a mensuração das VEU. Os melhores resultados foram obtidos com o conjunto NDVI-RWI, estabelecendo-se limiares baseados na maior proximidade de valor da taxa de verdadeiros positivos com o valor complementar da taxa de falsos positivos da curva característica de operação do receptor. Mensuramos a área total de vias e estruturas urbanas brasileiras em 33.884 km², a qual corresponderia à dimensão das superfícies urbanas não cobertas por água ou por vegetação
publishDate 2025
dc.date.none.fl_str_mv 2025-04-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/8/8135/tde-26062025-154723/
url https://www.teses.usp.br/teses/disponiveis/8/8135/tde-26062025-154723/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1844786347793973248

Registros relacionados