Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2006. / Submitted by Rosane Cossich Furtado (rosanecossich@gmail.com) on 2010-01-04T17:28:57Z No. of bitstreams: 1 Dissertacao Rafael Esteves 091.pdf: 4853118 bytes, checksum: a451b3bbd996a0991f9b20fad61bf3b1 (MD5) / Approved for entry into archive by Carolina Campos(carolinacamposmaia@gmail.com) on 2010-01-05T17:53:53Z (GMT) No. of bitstreams: 1 Dissertacao Rafael Esteves 091.pdf: 4853118 bytes, checksum: a451b3bbd996a0991f9b20fad61bf3b1 (MD5) / Made available in DSpace on 2010-01-05T17:53:53Z (GMT). No. of bitstreams: 1 Dissertacao Rafael Esteves 091.pdf: 4853118 bytes, checksum: a451b3bbd996a0991f9b20fad61bf3b1 (MD5) Previous issue date: 2006-02-02 / O crescimento descontrolado das superfícies impermeáveis em áreas urbanas tem conseqüências diretas na quantidade e qualidade do escoamento pluvial. O conhecimento da impermeabilidade do solo das bacias hidrográficas possibilita sua utilização como indicador da qualidade das águas urbanas e como instrumento de planejamento e regulação no sistema de gerenciamento dos recursos hídricos urbanos. Além disso, os estudos hidrológicos necessitam de parâmetros, dentre os quais a porcentagem de área impermeável talvez seja um dos mais importantes. A difusão das técnicas de Sensoriamento Remoto e seu grande potencial motivaram a realização dessa pesquisa, a fim de buscar métodos mais eficientes de estimação da impermeabilidade do solo de bacias hidrográficas. Foram utilizados três diferentes algoritmos de classificação de imagens de satélite para calcular a impermeabilidade de áreas de controle localizadas no Plano Piloto de Brasília- DF. Os algoritmos foram o Modelo Linear de Mistura, já disponível no software SPRING versão 4.1, o classificador Fuzzy com função de pertinência baseada na distância de Mahalanobis e o classificador tradicional MaxVer. Estes dois últimos foram implementados computacionalmente em linguagem JAVA no software Image J. Os algoritmos foram avaliados com imagens digitais de diferentes resoluções espaciais: IKONOS, SPOT, CBERS e LANDSAT. Para efeito de comparação, as áreas impermeáveis foram digitalizadas manualmente na imagem IKONOS e validadas com visitas a campo. Os valores de impermeabilidade assim estimados foram considerados a verdade de campo. Os resultados mostraram que os melhores desempenhos foram obtidos pelo Modelo de Mistura e pelo classificador Fuzzy, que obtiveram erros médios de 21,2% e 23,7%, respectivamente. O classificador MaxVer obteve um erro médio maior, de 31,8%. O Modelo de Mistura apresentou algumas deficiências, como a superestimação das áreas da classe sombra, tendência de subestimar as áreas impermeáveis e tempo de processamento computacional muito alto. A influência da resolução espacial das imagens foi importante apenas para o classificador Maxver. _______________________________________________________________________________ ABSTRACT / Impervious surface coverage growth has direct consequences in quantity and quality of stormwater runoff, such as floods and nonpoint source pollution. The quantification of basins’ imperviousness makes possible to use it as a water quality indicator for urban areas and as an important planning and managing instrument in the urban water resources management system. Furthermore, hydrologic studies need parameters, among which impervious surface percentage may be one of the most important. The diffusion of Remote Sensing techniques and their great potential motivated this research, in order to find more efficient methods for estimating impervious surface coverage in basins. Three different algorithms were used to classify satellite images and to calculate imperviousness in control areas located in the city of Brasilia-DF, Brazil. The algorithms used were the Linear Mixture Model, available in software SPRING version 4.1, the Fuzzy classifier with membership function based on Mahalanobis distance, and the traditional Maximum Likelihood classifier (MaxVer). The last two were implemented in JAVA software language as a plugin for the software Image J. The three algorithms were tested with different spatial resolution digital imageries: IKONOS, with 1 meter; SPOT, with 10 meters; CBERS, with 20 meters, and LANDSAT, with 30 meters. To compare with the reality, impervious surfaces were manually digitized over IKONOS imagery and validated with field visits, so that the imperviousness obtained was considered the ground truth. Results showed that best performances were obtained by Linear Mixture Model and by Fuzzy classifier, which had mean errors of 21,2% and 23,7%, respectively. MaxVer classifier obtained greater mean error of 31,8%. Linear Mixture Model, however, showed some deficiencies, such as high values for shadow classes, tendency to underestimate impervious surfaces, and very high computer processing times. The influence of spatial resolution was important only to the MaxVer classifier.

O presente trabalho tem como objetivo principal a classificação do risco de infestação por regiões de culturas vegetais por plantas daninhas. Os riscos por regiões são obtidos por um sistema de classificação fuzzy, usando métodos de Krigagem e análise de imagens. A infestação é descrita por atributos da cobertura foliar, densidade de sementes, extensão dos agrupamentos de sementes e competitividade, obtidos a partir das amostras de densidades de sementes e de plantas daninhas, da cobertura foliar e da biomassa de plantas daninhas. O atributo da cobertura foliar indica a porcentagem de ocupação das plantas emergentes e é obtido a partir de um mapa de cobertura foliar, construído usando Krigagem. O atributo da densidade de sementes caracteriza a localização das sementes que podem germinar e é obtido a partir de um mapa da distribuição da produção de sementes das plantas daninhas, também construído usando Krigagem. O atributo da extensão dos agrupamentos de sementes reflete a influência das sementes vizinhas em uma certa localização e também é obtido a partir do mapa de distribuição da produção de sementes. O atributo da competitividade entre plantas daninhas e cultura é obtido a partir de um sistema neurofuzzy, utilizando amostras de densidade e de biomassa das plantas daninhas. Para reunir os riscos de infestação semelhantes, os valores de risco inferidos por região pelo sistema fuzzy são agrupados considerando valores e localizações próximas utilizando o método k-médias com coeficiente de variação. Uma abordagem probabilística com redes de classificação Bayesianas é também empregada para a obtenção de um conjunto de regras linguísticas para classificar a competitividade e o risco de infestação, por motivo de comparação. Resultados para o risco de infestação são obtidos para uma área experimental em uma cultura de milho indicando a existência de riscos diferenciados que são explicados pela perda de rendimento da cultura. / The goal of this work is the classification of the risk of infestation per regions of a crop by weeds. The risks per regions are obtained by a fuzzy classification system, using kriging and image analysis. The infestation is described by attributes of the weed coverage, weed seed density, weed seed patches and competitiveness, obtained from weed seeds and weed densities, weed coverage and biomass. The attribute of the weed coverage indicates the percentage of infested surface of the emergent weeds which is obtained from a weed coverage map built with kriging. The attribute of the weed seed density is obtained from a weed seed production map also built with kriging which characterizes the locations of seeds which can germinate. The attribute of the weed seed patches is also obtained by the weed seed production map which reflects how the seeds contribute to weed proliferation in the surroundings. The attribute of the competitiveness among weeds and crop is obtained from a neurofuzzy system, using the weeds density and biomass of the plants. In order to aggregate the similar risks of infestation, the values of risks per region inferred by the fuzzy system are clustered according to similar values and locations using the k-means method with a variation coefficient. A probabilistic approach with Bayesian networks classifiers is also considered to obtain a set of linguistic rules to classify the competitiveness and the risk of infestation, for comparison purposes. Results for the risk of infestation are obtained for an experimental area in a corn crop which indicate the existence of different risks, explained by the yield loss of the crop.

O presente trabalho tem como objetivo principal a classificação do risco de infestação por regiões de culturas vegetais por plantas daninhas. Os riscos por regiões são obtidos por um sistema de classificação fuzzy, usando métodos de Krigagem e análise de imagens. A infestação é descrita por atributos da cobertura foliar, densidade de sementes, extensão dos agrupamentos de sementes e competitividade, obtidos a partir das amostras de densidades de sementes e de plantas daninhas, da cobertura foliar e da biomassa de plantas daninhas. O atributo da cobertura foliar indica a porcentagem de ocupação das plantas emergentes e é obtido a partir de um mapa de cobertura foliar, construído usando Krigagem. O atributo da densidade de sementes caracteriza a localização das sementes que podem germinar e é obtido a partir de um mapa da distribuição da produção de sementes das plantas daninhas, também construído usando Krigagem. O atributo da extensão dos agrupamentos de sementes reflete a influência das sementes vizinhas em uma certa localização e também é obtido a partir do mapa de distribuição da produção de sementes. O atributo da competitividade entre plantas daninhas e cultura é obtido a partir de um sistema neurofuzzy, utilizando amostras de densidade e de biomassa das plantas daninhas. Para reunir os riscos de infestação semelhantes, os valores de risco inferidos por região pelo sistema fuzzy são agrupados considerando valores e localizações próximas utilizando o método k-médias com coeficiente de variação. Uma abordagem probabilística com redes de classificação Bayesianas é também empregada para a obtenção de um conjunto de regras linguísticas para classificar a competitividade e o risco de infestação, por motivo de comparação. Resultados para o risco de infestação são obtidos para uma área experimental em uma cultura de milho indicando a existência de riscos diferenciados que são explicados pela perda de rendimento da cultura. / The goal of this work is the classification of the risk of infestation per regions of a crop by weeds. The risks per regions are obtained by a fuzzy classification system, using kriging and image analysis. The infestation is described by attributes of the weed coverage, weed seed density, weed seed patches and competitiveness, obtained from weed seeds and weed densities, weed coverage and biomass. The attribute of the weed coverage indicates the percentage of infested surface of the emergent weeds which is obtained from a weed coverage map built with kriging. The attribute of the weed seed density is obtained from a weed seed production map also built with kriging which characterizes the locations of seeds which can germinate. The attribute of the weed seed patches is also obtained by the weed seed production map which reflects how the seeds contribute to weed proliferation in the surroundings. The attribute of the competitiveness among weeds and crop is obtained from a neurofuzzy system, using the weeds density and biomass of the plants. In order to aggregate the similar risks of infestation, the values of risks per region inferred by the fuzzy system are clustered according to similar values and locations using the k-means method with a variation coefficient. A probabilistic approach with Bayesian networks classifiers is also considered to obtain a set of linguistic rules to classify the competitiveness and the risk of infestation, for comparison purposes. Results for the risk of infestation are obtained for an experimental area in a corn crop which indicate the existence of different risks, explained by the yield loss of the crop.