Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2017-08-17T17:52:19Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) EvelaineBergerRibeiro.pdf: 3485617 bytes, checksum: 18e9091f3505473cbeee5bffb65a1467 (MD5) / Made available in DSpace on 2017-08-17T17:52:19Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) EvelaineBergerRibeiro.pdf: 3485617 bytes, checksum: 18e9091f3505473cbeee5bffb65a1467 (MD5) Previous issue date: 2017-06-20 / Com as informações adquiridas das imagens capturadas pelo Sensoriamento Remoto e das técnicas disponíveis nos Sistemas de Informação Geográfica pode-se gerar mapeamentos temáticos para uso e cobertura do solo. Para isso, é realizada a classificação de imagens para definir as classes de interesse. Essa classificação pode ser feita pixel a pixel ou por regiões. Em imagens de alta resolução, como a Rapideye, é indicada a classificação por regiões. Esse método considera as informações do pixel e sua vizinhança, agrupando pixels com características semelhantes, formando as regiões. Portanto, recomenda-se aplicar o método da segmentação pela GEOBIA, que segmenta a imagem em regiões, visando extrair características espaciais, espectrais e de textura. Como resultado desse método, têm-se o vetor de regiões e o banco de dados relacional com os atributos (espaciais, espectrais e de textura). O presente trabalho teve como objetivo obter a classificação do uso e cobertura do solo da imagem Rapideye com banco de dados NoSQL orientado a grafos para análise dos atributos extraídos mediante a GEOBIA. A metodologia desenvolvida utilizou a Análise Multivariada para analisar os atributos resultantes da segmentação. Por meio do dendrograma foi possível a separação dos grupos de atributos (espaciais, espectrais e de textura), que foram utilizados para as consultas de busca por agrupamentos de regiões com características semelhantes no grafo formado pelo banco de dados NoSQL. As regiões foram classificadas de acordo com as classes de interesse definidas no processo de fotointerpretação, gerando a imagem classificada. Para validar o resultado, realizou-se a classificação da imagem da área de estudo pelos algoritmos Distância Mínima, Máxima Verossimilhança e KNN e a matriz de confusão. O algoritmo KNN apresentou melhor classificação, com índice kappa de 0,77 e então foi utilizada para comparação com a imagem classificada pelo banco de dados NoSQL, por meio da tabulação cruzada. O cruzamento dos dados mostrou que a imagem classificada pelo banco de dados NoSQL obteve resultados positivos. Conclui-se que a pesquisa alcançou os objetivos propostos apresentando resultados satisfatórios para o método desenvolvido para classificação do uso e cobertura do solo. / The information from images captured by Remote Sensing and the techniques available in the Geographic Information Systems, it is possible to generate thematic mappings for use and land cover. For this, the classification of images is realized to define interest classes. This classification can be done pixel by pixel or by regions. In high resolution images, such as Rapideye, classification by region is indicated. This method considers the information of the pixel and its neighborhood, grouping pixels with similar characteristics create the regions. Therefore, it is recommended to apply the GEOBIA segmentation method, which segments the image in regions to extract spatial, spectral and texture characteristics. As a result of this method, have the region vector and the relational database with the attributes (spatial, spectral and texture). The objective of this work was to obtain the classification of the use and coverage of the soil of the Rapideye image using the NoSQL database oriented to graphs to analyze the attributes extracted through GEOBIA. The developed methodology used the Multivariate Analysis to analyze the attributes resulting from the segmentation. The dendrogram it was possible to separate the groups of attributes (spatial, spectral and texture), which were used for the search queries by groupings of regions with similar characteristics in the graph formed by the NoSQL database. The regions were classified according to the interest classes defined in the photointerpretation process, generating the classified image. To validate the result, the image area of the study area was classified by the Minimum Distance, Maximum Likelihood and KNN algorithms and the confusion matrix. The KNN algorithm presented better classification, with a kappa index of 0.77 and was then used for comparison with the image classified by the NoSQL database, through cross tabulation. The cross-validation of the data showed that the image classified by the NoSQL database obtained positive results. It was concluded that the research reached the proposed objectives presenting satisfactory results for the method developed for classification of land use and land cover.

Made available in DSpace on 2017-07-21T18:15:37Z (GMT). No. of bitstreams: 1 Willian Roza.pdf: 6684537 bytes, checksum: fafdba4f5d553667283cb6cbe3e7f121 (MD5) Previous issue date: 2014-03-27 / The Atlantic Forest displays many functions that ensure the quality of life for many Brazilians and corresponds to one of the 34 hotspots of biodiversity in the world. In the State of Paraná, areas with the largest remnants of Atlantic Forest are located in the eastern portion of the state, which correspond to the Dense Tropical Rainforest (DTR); it presents the following physiognomic units: ecological forest, alluvial, lowland, submontane, montane and upper montane and non-forest represented by pioneer formations: mangroves, salt fields, salt marshes and refuges vegetation. This study seeks to test strategies to spatialize forest and non-forest remnants of ecological physiognomic units of DTR in the southeastern portion of the State of Paraná. In order to spatialize the vegetation, digital classification through the algorithm Support Vector Machines (SVM) was used. Tests were conducted on Landsat 5 TM spectral bands and ancillary altitude data such as the DEM (Digital Elevation Model) and ASTER (Advanced Spaceborne Thermal Emission Reflection Radiometer) with its byproducts, namely slope and altimetric tracks. First tests were undertaken only with the spectral bands, followed by ones with the spectral bands and ancillary altitude data; and finally the last ones with different SVM settings. To calculate the accuracy of the classified images through Kappa Index (KI) and Confusion Matrix (CM), training samples were collected in images from sensors Spot 5 and P6LIS3, and altitude was verified by means of DEM SRTM (Shuttle Radar Topography Mission). After visual analysis, overall results and classes corresponding to the results from classified images, it was found that just with the spectral bands it was not possible to spatialize forest remnants from ecological physiognomic units of DTR. I was concluded that the separation between the classes of DTR (upper montane, montane, submontane and lowland) was not adequate. But, still observed through visual analysis, there was an accuracy improvement in digital classification when using spectral bands plus DEM ASTER. It seems that the most appropriate result from visual analysis and accuracy of the classified images were obtained through classifying spectral bands over altimetric tracks, enabling GIS to measure the values of the areas in the physiognomic units of DTR. It is noteworthy that all classifications were appropriate, however with the auxiliary altitude data, accuracy was increased in visual analysis, IK and MC by the aid of comparing them to altimetric tracks that define the position of the vegetation according to relief classes as addressed by Veloso, Rangel Filho and Lima (1991). This study serves as a resource for identifying, spatializing and mapping the distribution of forest and non-forest remnants in the southeastern portion of the Paraná DTR. This region encompasses several protected areas, located at both floodplains and slopes of the coastal mountain range. / A Mata Atlântica possui diversas funções que garantem a qualidade de vida de inúmeros brasileiros, sendo que corresponde a um dos 34 hotspots de biodiversidade do mundo. No Paraná, as áreas que apresentam os maiores remanescentes de Mata Atlântica estão situadas na porção leste do estado, as quais correspondem à Floresta Ombrófila Densa (FOD), que apresenta as seguintes unidades fisionômicas ecológicas florestais: aluvial, terras baixas, submontana, montana e alto-montana; e as não florestais, representadas pelas formações pioneiras: manguezais, campos salinos, restingas e refúgios vegetacionais. A presente pesquisa tem como objetivo testar estratégias para espacializar os remanescentes florestais e não florestais das unidades fisionômicas ecológicas da porção sudeste da FOD do estado do Paraná. Para espacializar a vegetação, optou-se pela classificação digital mediante o algoritmo Support Vector Machines (SVM), com o qual se realizaram testes com as bandas espectrais Landsat 5 TM e dados auxiliares de altitude, como o MDE (Modelo Digital de Elevação) ASTER (Advanced Spaceborne Thermal Emission Reflection Radiometer) e seus subprodutos, declividade e faixas altimétricas. Realizaram-se os primeiros testes somente com as bandas espectrais, em seguida com as bandas espectrais e dados auxiliares de altitude e, por último, os testes com diferentes configurações de SVM. Para calcular a acuracidade mediante Índice Kappa (IK) e Matriz de Confusão (MC) das imagens classificadas, amostras de treinamento foram coletadas em imagens do sensor Spot 5 e P6LIS3, sendo que se verificou a altitude mediante MDE SRTM (Shuttle Radar Topography Mission). Após as análises visuais, acuracidades globais e de classes correspondentes aos resultados das imagens classificadas, constatou-se que somente com as bandas espectrais não é possível espacializar os remanescentes florestais das unidades fisionômicas ecológicas da FOD, pois a separação entre as classes da FOD (alto-montana, montana, submontana e terras baixas) não foi adequada. Porém, quando da classificação digital com as bandas espectrais mais MDE ASTER, contata-se, mediante a análise visual e acuracidade das imagens classificadas, que o resultado melhorou. Nota-se que o resultado mais adequado a partir das análises visuais e acuracidade das imagens classificadas foi obtido mediante a classificação com as bandas espectrais mais faixas altimétricas, possibilitando, em SIG, mensurar os valores de áreas das unidades fisionômicas ecológicas florestais da FOD. Constata-se que todas as classificações são adequadas, no entanto, com os dados auxiliares de altitude, a acuracidade aumenta tanto pela análise visual quanto pelos IK e MC, mediante a comparação com as faixas altimétricas que definem a posição da vegetação de acordo com as classes do relevo abordadas por Veloso, Rangel Filho e Lima (1991). O presente trabalho serve como subsídio para a identificação, espacialização e mapeamentos dos remanescentes florestais e não florestais da porção sudeste da FOD do Paraná que abrangem várias unidades de conservação, situadas tanto na planície aluvial quanto nas encostas da Serra do Mar.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Located on the mid-region of Rio Grande do Sul, the watershed of the Arroio Grande lies on the transition of the Central Depression to the Southern Plateau. Belonging to the geographic micro-region of Santa Maria, the watershed area partially covers four municipal districts: Silveira Marins, Itaara, Santa Maria and Júlio de Castilhos. Studies on the area showed, on the last two decades, a local increase tendency of the forest areas, rural activities and a decrease of the field areas. This work had as objective, modeling the dynamics of use and covering of land occurred in two periods of time: from 1991 to 2002 and from 2002 to 2011; and to perform the simulation of scenarios until the year of 2020. To elaborate the thematic maps of land cover and use, images the satellites Landsat 5 and Landsat 7 were classified. The modeling process was performed by the Dinamica EGO app through these methods: Markov Chain, Weights-of-Evidence and Cellular Automata. The simulated maps to the years of 2002 e 2011, when compared with real maps, reached satisfactory similarities indexes. The simulated scenery for the year of 2020 presented significant less percentages of changing of the use and cover than those verified for the previous periods, predicting increase of 2,64% and 4,38% to the forest and rural areas respectively, and a decrease of the field areas about 8,19%. This dynamic may indicate stagnation in the agricultural cultivation areas, because there are no great extensions of proper land for the agricultural advance, which is the main propeller of the observed evolution in the study period, on the regions of greater agricultural vocation, as it is on the proximities of Silveira Martins, in the floodplain of Arroio Grande and in Southern Plateau areas, corresponding to Júlio de Castilhos. / Situada na região central do Rio Grande do Sul, a bacia do Arroio Grande localiza-se na transição da Depressão Central para o Planalto Meridional. Pertencendo a microrregião geográfica de Santa Maria, a área da bacia abrange parcialmente quatro municípios: Silveira Martins, Itaara, Santa Maria e Júlio de Castilhos. Estudos realizados na área evidenciaram, nas últimas duas décadas, uma tendência local de aumento das áreas florestais e das atividades agrícolas e a diminuição das áreas de campo. Este trabalho teve como objetivo modelar a dinâmica de uso e cobertura da terra ocorrida em dois períodos de tempo: 1991- 2002 e 2002-2011, e realizar a simulação de cenários até o ano de 2020. Para elaboração dos mapas temáticos de uso e cobertura da terra foram classificadas imagens dos sensores TM e ETM+ dos satélites Landsat 5 e Landsat 7. O processo de modelagem foi realizado no aplicativo Dinamica EGO através dos métodos: Cadeias de Markov, Pesos de Evidência e Autômatos Celulares. Os mapas simulados para os anos de 2002 e 2011, quando comparados com os mapas reais, alcançaram índices de similaridade satisfatórios. O cenário simulado para o ano de 2020 apresentou percentuais de mudanças de uso e cobertura significativamente menores do que os verificados para os períodos anteriores, prevendo aumentos de 2,64% e 4,38%, para as áreas florestais e agrícolas, respectivamente, e uma diminuição das áreas de campo na ordem de 8,19%. Esta dinâmica pode indicar uma estagnação nas áreas de cultivo agrícola, pois não há grandes extensões de terra adequadas para o avanço da agricultura, principal propulsor da evolução observada no período de estudo, nas regiões com maior vocação agrícola, como nas proximidades de Silveira Martins, nas várzeas do Arroio Grande e em áreas do planalto meridional, correspondentes a Júlio de Castilhos.

Made available in DSpace on 2017-07-10T19:24:19Z (GMT). No. of bitstreams: 1 Clovis_Cechim_MC.pdf: 6987482 bytes, checksum: c33db297dd7ec8aaf8bfde9e1e56c2cc (MD5) Previous issue date: 2016-02-04 / Sugarcane has been cropped and produced in Brazil for a long time, so, it deserves mention because it makes the country as the largest producer, with also representativeness in sugar and ethanol production. The knowledge of reliable estimates concerning their cropped areas is essential for Brazilian agribusiness, as they help in determining prices to producers by power plants as well as allow establishing logistics flow of production. The cropped areas estimates are made by official agencies. Therefore, in order to reduce this subjectivity, geotechnology use comes as an alternative since it has been widely used in mappings agricultural crops. Thus, this study aimed at developing a methodology for mapping sugarcane crop in Paraná State with satellite images as LANDSAT, IRS and spectrum-temporal series of vegetation indexes from MODIS sensor, for 2010/2011 to 2014/2015 harvesting season. The carried out mappings indicated a strong positive correlation concerning Canasat and official IBGE. The developed method was based on Fuzzy ARTMAP classification and was efficient to map and estimate the sugarcane cropped area using vegetation index in Paraná State. / A cana-de-açúcar como cultura cultivada e produzida no Brasil merece destaque, pois torna o País o maior produtor mundial, com representatividade também na produção de açúcar e etanol. O conhecimento de estimativas confiáveis de suas áreas cultivadas é imprescindível para o agronegócio brasileiro, por auxiliar na determinação dos preços aos produtores pelas usinas e permitir estabelecer a logística de escoamento da produção. As estimativas de área cultivada são realizadas de forma subjetiva pelos órgãos oficiais. Com a finalidade de diminuir tal subjetividade, surge como alternativa o uso de geotecnologias, as quais têm sido muito utilizadas em mapeamentos de culturas agrícolas. Diante disto, o objetivo deste trabalho foi o desenvolvimento de uma metodologia para o mapeamento da cultura de cana-de-açúcar para o Estado do Paraná usando imagens dos satélites LANDSAT, IRS e de séries espectro-temporais de índices de vegetação, provenientes do sensor MODIS, para as safras de 2010/2011 a 2014/2015. O mapeamento da cultura foi realizado a partir do modelo de classificação supervisionada Fuzzy ARTMAP, tendo como variáveis de entrada, termos harmônicos de amplitude e fase e as métricas fenológicas da cultura. Os mapeamentos realizados indicaram forte correlação positiva com relação aos dados do Canasat e oficiais IBGE. O método desenvolvido com base na classificação Fuzzy ARTMAP demonstrou ser eficiente para mapear e estimar a área cultivada da cultura de cana-de-açúcar utilizando índices de vegetação no Estado do Paraná.

Made available in DSpace on 2017-05-12T14:47:35Z (GMT). No. of bitstreams: 1 Clovis_Cechim_MC.pdf: 6987482 bytes, checksum: c33db297dd7ec8aaf8bfde9e1e56c2cc (MD5) Previous issue date: 2016-02-04 / Sugarcane has been cropped and produced in Brazil for a long time, so, it deserves mention because it makes the country as the largest producer, with also representativeness in sugar and ethanol production. The knowledge of reliable estimates concerning their cropped areas is essential for Brazilian agribusiness, as they help in determining prices to producers by power plants as well as allow establishing logistics flow of production. The cropped areas estimates are made by official agencies. Therefore, in order to reduce this subjectivity, geotechnology use comes as an alternative since it has been widely used in mappings agricultural crops. Thus, this study aimed at developing a methodology for mapping sugarcane crop in Paraná State with satellite images as LANDSAT, IRS and spectrum-temporal series of vegetation indexes from MODIS sensor, for 2010/2011 to 2014/2015 harvesting season. The carried out mappings indicated a strong positive correlation concerning Canasat and official IBGE. The developed method was based on Fuzzy ARTMAP classification and was efficient to map and estimate the sugarcane cropped area using vegetation index in Paraná State. / A cana-de-açúcar como cultura cultivada e produzida no Brasil merece destaque, pois torna o País o maior produtor mundial, com representatividade também na produção de açúcar e etanol. O conhecimento de estimativas confiáveis de suas áreas cultivadas é imprescindível para o agronegócio brasileiro, por auxiliar na determinação dos preços aos produtores pelas usinas e permitir estabelecer a logística de escoamento da produção. As estimativas de área cultivada são realizadas de forma subjetiva pelos órgãos oficiais. Com a finalidade de diminuir tal subjetividade, surge como alternativa o uso de geotecnologias, as quais têm sido muito utilizadas em mapeamentos de culturas agrícolas. Diante disto, o objetivo deste trabalho foi o desenvolvimento de uma metodologia para o mapeamento da cultura de cana-de-açúcar para o Estado do Paraná usando imagens dos satélites LANDSAT, IRS e de séries espectro-temporais de índices de vegetação, provenientes do sensor MODIS, para as safras de 2010/2011 a 2014/2015. O mapeamento da cultura foi realizado a partir do modelo de classificação supervisionada Fuzzy ARTMAP, tendo como variáveis de entrada, termos harmônicos de amplitude e fase e as métricas fenológicas da cultura. Os mapeamentos realizados indicaram forte correlação positiva com relação aos dados do Canasat e oficiais IBGE. O método desenvolvido com base na classificação Fuzzy ARTMAP demonstrou ser eficiente para mapear e estimar a área cultivada da cultura de cana-de-açúcar utilizando índices de vegetação no Estado do Paraná.