Orientador: João Francisco Galera Monico / Banca: Leonardo Castro de Oliveira / Banca: Mauro Issamu Ishikawa / Resumo: Os avanços tecnológicos nos métodos de posicionamento têm possibilitado o desenvolvimento de metodologias que viabilizam a sua utilização pelo usuário numa diversidade de aplicações. Um dos métodos de posicionamento GNSS (Global Navigation Satellite System) de grande destaque é o RTK (Real Time Kinematic) utilizando o conceito de rede de estações. Esse método utiliza a infra-estrutura de uma rede de estações de referência, para disponibilizar correções ao usuário. O conceito clássico do RTK tem como princípio básico a alta correlação dos erros provocados pela ionosfera, troposfera e órbita dos satélites na estação de referência e em uma estação próxima de interesse. No entanto, com o afastamento entre o usuário e a estação base, a eficiência do método é degradada, pois a correlação dos erros é reduzida. Mas, quando se utiliza uma rede de estações de referência, pode-se realizar a modelagem dos erros na área de abrangência da rede. Esta concepção é denominada de RTK em Rede. No que concerne a rede de estações de referência GNSS, utilizou-se a rede estabelecida no oeste do estado de São Paulo (rede GNSS-SP). O software adotado para realizar o processamento em rede foi o GPSNet na versão 2.73. Outra questão levantada foi com relação aos padrões disponíveis para a transmissão dos dados ao usuário, tais como o RTCM e CMR, mostrando as evoluções e aplicações. A questão do enlace de comunicação (link) também foi abordada, mostrando os principais tipos disponíveis, mas com ênfase na telefonia móvel que foi utilizada para transmitir os dados via internet. Foram conduzidos vários experimentos... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Technological advances in positioning methods have enabled the development of methodologies that allow its use in a great variety of applications. One method of GNSS (Global Navigation Satellite System) positioning of high performance is the RTK (Real Time Kinematic) network. This method uses the infrastructure of a network of reference stations. The original concept of RTK is the high correlation of the errors caused by ionosphere, troposphere and satellite orbit at a reference station and at a nearby station of interest. However, increasing the distance between the user and the base station, the efficiency of the method is degraded, because the error correlation is reduced. But when using a network of reference stations, a better error modeling in the area of the network is possible. This concept is the so called Network RTK. Regarding the network of GNSS reference stations, in this work the established network in the western state of São Paulo (GNSS network-SP) was used. The software adopted to perform the tests in the network was that GPSNet, version 2.73. Another issue raised during the investigation was related to the available standards for transmitting data to the user, such as CMR and RTCM. The developments and applications were presented. The issue of communication link (link) has been addressed, showing the main available types, but with emphasis on mobile phone that was the technology used to transmit data via the Internet. Several experiments were conducted in different locations to examine the integrity, availability and accuracy for RTK positioning and RTK network. The experiments performed with RTK and RTK network (using the concept of VRS (Virtual Reference Station)) showed some problems, probably related to the density of the network. Among them the accuracy, the initialization time span more than expected or even... (Complete abstract click electronic access below) / Mestre

Orientador: CéliaRegina Lopes Zimback / Banca: Zacarias Xavier de Barros / Banca: Marco Antonio M.Biaggioni / Banca: Marcelo Giovaneti Canteri / Banca: Ivo Mario Mathias / Resumo: Este trabalho teve por objetivo a discriminação de classes de cobertura do solo em imagens de sensoriamento remoto do satélite CBERS-2 por meio do Classificador Árvore de Decisão. O estudo incluiu a avaliação de combinações de atributos da imagem para melhor discriminação entre classes e a verificação da acurácia da metodologia proposta comparativamente ao Classificador Máxima Verossimilhança (MAXVER). A área de estudo está localizada na região dos Campos Gerais, no Estado do Paraná, que apresenta diversidade quanto aos tipos de vegetação: culturas de inverno e de verão, áreas de reflorestamento, mata natural e pastagens. Foi utilizado um conjunto de dezesseis (16) atributos a partir das imagens, composto por: bandas do sensor CCD (1, 2, 3, 4), índices de vegetação (CTVI, DVI, GEMI, NDVI, SR, SAVI, TVI), componentes de mistura (solo, sombra, vegetação) e os dois primeiros componentes principais. A acurácia da classificação foi avaliada por meio da matriz de erros de classificação e do coeficiente kappa. A coleta de amostras de verdade terrestre foi realizada utilizando-se um aparelho GPS de navegação para o processo de georreferenciamento, para serem usadas na fase de treinamento dos classificadores e também na verificação da acurácia. O processamento das imagens e a geração dos mapas temáticos foram realizados por meio do Sistema de Informações Geográficas SPRING, sendo as rotinas desenvolvidas na linguagem de programação LEGAL. Para a geração do Classificador Árvore de Decisão foi utilizada a ferramenta See5. Na definição das classes, buscou-se um alto nível discriminatório a fim de permitir a separação dos diferentes tipos de culturas presentes na região nas épocas de inverno e de verão. A classificação por árvore de decisão apresentou uma acurácia total de 94,5% e coeficiente kappa igual a 0,9389, para a cena 157/128; para... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work aimed to discriminate classes of land cover in remote sensing images of the satellite CBERS-2, using the Decision Tree Classifier. The study includes the evaluation of combinations of attributes of the image to a better discrimination between classes and the verification of the accuracy of the proposed methodology, comparatively to the Maximum Likelihood Classifier (MLC). The geographical area used is situated in the region of the "Campos Gerais", in the Paraná State, which presents diversities concerning the different kinds of vegetations: summer and winter crops, reforestation areas, natural forests and pastures. It was used a set of sixteen (16) attributes from images, composed by bands of the sensor CCD (1, 2, 3, 4), vegetation indices (CTVI, DVI, GEMI, NDVI, SR, SAVI, TVI), mixture components (soil, shadow, vegetation) and the two first principal components. The accuracy of the classifications was evaluated using the classification error matrix and the kappa coefficient. The collect of the samples of ground truth was performed using a navigation device GPS to the georeference process to be used in the training stage of the classifiers and in the verification of the accuracy, as well. The processing of the images and the generation of the thematic maps were made using the Geographic Information System SPRING, and the routines were developed in the programming language LEGAL. The generation of the Decision Tree Classifier was made using the tool See5. A high discriminatory level was aimed during the definition of the classes in order to allow the separation of the different kinds of winter and summer crops. The classification accuracy by decision tree was 94.5% and kappa coefficient was 0.9389 to the scene 157/128; to the scene 158/127, it presented the values 88% and 0.8667, respectively. Results showed that the performance of the Decision Tree Classifier was better... (Complete abstract click electronic access below) / Doutor