Made available in DSpace on 2015-03-26T13:53:16Z (GMT). No. of bitstreams: 1 texto completo.pdf: 2076422 bytes, checksum: 848e731a5bb4cc826cf7c41614e4a0c5 (MD5) Previous issue date: 2010-02-23 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This study evaluated the potential of automatic classifiers, and methodology of the classification of the resident community in the basin to use mapping and land cover under agroecological management. The study area is the São Joaquim River Basin in the municipality of Araponga, Zona da Mata mineira. In the method, at first, was held to a field trip where they were collected ground control points to georeference image IKONOS II and the training samples and validation of the use classes and soil covered by GPS. In the laboratory, supervised classifications were performed by automatic algorithms Maximum Likelihood, Neural Networks and Bhattacharya.For each algorithm, two ratings were made 17 and 14 classes. A use classification and land cover was done by the residents of the basin where the classes were identified for use and land cover. The classified images were taken to the laboratory and turned into digital format. The results show that among the automatic classifiers, the Bhattachaya shows better result, Kappa 0.76, very good result for classification of the area. Already Kappa image classified by the community was 0.55, considered good result according to the literature. These results demonstrate that the algorithm Batacharya is the most efficient for the mapping and it is possible that the local community to interpret the environment in which to live and perform with autonomy mappings to map future strategies. Therefore, thefindings of this study in addition to being useful for future planning of action research in the basin under study, will serve as universal knowledge for classification of land use in other areas of agroecological management. / Este trabalho objetivou avaliar o potencial de classificadores automáticos e da metodologia empregada na classificação da comunidade residente na bacia para mapeamento do uso e cobertura do solo sob manejo agroecológico. A área de estudo é a Bacia do Rio São Joaquim, no município de Araponga, Zona da Mata mineira. Na metodologia, no primeiro momento, foi realizada a ida a campo onde foram coletados os Pontos de Controle Terrestre para georreferenciar imagem IKONOS II e as amostras de treinamento e validação das classes de uso e cobertura do solo através de GPS. Em laboratório, foram realizadas classificações supervisionadas automáticas pelos algoritmos da Máxima Verossimilhança, Redes Neurais Artificiais e Bhattacharya. Para cada algoritmo, foram feitas duas classificações, 17 e 14 classes. Uma classificação do uso e cobertura do solo foirealizada pelos moradores da bacia onde foram identificadas as classes de uso e cobertura do solo. As imagens classificadas foram levadas ao laboratório e transformadas em formato digital. Os resultados demonstram que dentre os classificadores automáticos, o Bhattachaya apresentou melhor resultado, Kappa 0,76, resultado muito bom para classificação da área em questão. Já o Kappa da imagem classificada pela comunidade foi de 0,55, resultado considerado bom de acordo com a literatura. Estes resultados demonstram que o algoritimo Bhatacharya é o mais eficiente para o mapeamento e que é possível que a comunidade local interprete o meio em que vive e possa realizar com autonomia mapeamentos para traçar estratégias futuras. Sendo assim, os resultados encontrados nesta pesquisa além de serem úteis para futuros planejamentos de pesquisa-ação na bacia hidrográfica em estudo, servirão como conhecimento universal para classificação do uso do solo em outras áreas com manejo agroecólogico.

Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-07-27T15:15:30Z No. of bitstreams: 1 Dissertação - Jorge Alberto Lopes da Costa.pdf: 12254367 bytes, checksum: e92aa3fbce27b2b569e2f3aae45e851d (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-28T15:14:18Z (GMT) No. of bitstreams: 1 Dissertação - Jorge Alberto Lopes da Costa.pdf: 12254367 bytes, checksum: e92aa3fbce27b2b569e2f3aae45e851d (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-28T15:19:49Z (GMT) No. of bitstreams: 1 Dissertação - Jorge Alberto Lopes da Costa.pdf: 12254367 bytes, checksum: e92aa3fbce27b2b569e2f3aae45e851d (MD5) / Made available in DSpace on 2015-07-28T15:19:50Z (GMT). No. of bitstreams: 1 Dissertação - Jorge Alberto Lopes da Costa.pdf: 12254367 bytes, checksum: e92aa3fbce27b2b569e2f3aae45e851d (MD5) Previous issue date: 2011-07-07 / Não informada / In recent decades the areas of rainforest in the Amazon region has been heavily impacted by a rapid process of conversion of vegetation cover in other types of use due to human action. In the context of global change, the use of mapping and monitoring land cover and provide information for the analysis and evaluation of environmental impacts due to accelerated changes in the landscape. Therefore, this study evaluated the potential of data from synthetic aperture radar for discriminating use and land cover in the region of Manaus, Amazonas state. We used a multipolarized image from sensor airborne SAR-R99B (L band), with 3 m spatial resolution. Were evaluated the MAXVER-ICM and SVM (Support Vector Machine) classifiers, where in all cases we used the images individually multipolarized amplitude (HH, HV and VV), in pairs (HH and HV), (HV and VV) and (HH and VV) and together (HH, HV and VV). The results were compared using as parameter the Kappa coefficient. The SVM classifier had higher accuracy compared to MAXVER-ICM classifier. The best classifications were obtained for the dual polarization (HH and VV) with MARVER-ICM classifier and (HH, HV and VV) with the SVM classifier both using the images with the filter. The accuracy was highest with SVM for classification and filter images (kappa = 0.7736). Were analyzed the influence of using GAMMA filter performance on the classifiers where it showed that filtered images have provided an increase in the results, on average, about 8%. Thus there was the analysis of the classification results, which found that the best result was provided by the dataset multipolarized (HH, HV and VV) classified by the SVM method. Thus, we concluded that the use of radar imagery in mapping thematic classes use and land cover in tropical regions, can be considered as a viable proposal. / Nas últimas décadas as áreas de floresta tropical na região Amazônica têm sido fortemente impactada por um rápido processo de conversão da cobertura vegetal em outros tipos de uso devido à ação antrópica. No contexto das mudanças globais, os mapeamentos e monitoramentos de uso e cobertura da terra fornecem subsídios para as análises e avaliações dos impactos ambientas em virtude de acelerados processos de mudança na paisagem. Neste contexto, este estudo avaliou o potencial dos dados de radar de abertura sintética para discriminação de uso e cobertura da terra na região de Manaus, estado do Amazonas. Foi utilizada uma imagem multipolarizada do sensor aerotransportado SAR-R99B (banda L), com 3 metros de resolução espacial. Realizaram-se classificações na imagem radar sem filtro e com filtro Gamma 3x3. Avaliou-se o classificador pontual MAXVER-ICM e o SVM (Support Vector Machine), onde em todos os casos utilizou-se das imagens multipolarizadas em amplitude individualmente (HH, HV e VV), aos pares (HH e HV), (HV e VV) e (HH e VV) e em conjunto (HH, HV e VV). Os resultados obtidos foram comparados utilizando-se como parâmetro o coeficiente de concordância Kappa. O classificador SVM apresentou acurácia superior em relação ao classificador MAXVER-ICM. As melhores classificações foram obtidas para a polarização dual HH e VV com o classificador MAXVER-ICM e (HH, HV e VV) com o classificador SVM ambos utilizando as imagens com filtro. A acurácia mais elevada foi para a classificação com SVM e imagens com filtro (kappa = 0,7736). Analisou-se a influência do uso de filtro GAMMA no desempenho dos classificadores onde se contatou que as imagens filtradas proporcionaram um incremento nos resultados, em média, na ordem de 8%. Deste modo realizou-se a análise dos resultados das classificações, onde se constatou que o melhor resultado foi proporcionado pelo conjunto de dados multipolarizados (HH, HV e VV)classificados através do método SVM. Assim, concluiu-se que o uso de imagens de radar no mapeamento de classes temáticas de uso e cobertura da terra, em regiões tropicais, pode ser considerado como uma proposta viável.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-10T18:06:15Z No. of bitstreams: 1 WOSLLEY SIDNEY NOGUEIRA DE OLIVEIRA - DISSERTAÇÃO PPGSA ACADÊMICO 2018..pdf: 7059892 bytes, checksum: 1ab51771320e5bbd6c88d3c01b4b7aeb (MD5) / Made available in DSpace on 2018-05-10T18:06:15Z (GMT). No. of bitstreams: 1 WOSLLEY SIDNEY NOGUEIRA DE OLIVEIRA - DISSERTAÇÃO PPGSA ACADÊMICO 2018..pdf: 7059892 bytes, checksum: 1ab51771320e5bbd6c88d3c01b4b7aeb (MD5) Previous issue date: 2018-02-22 / Os perímetros irrigados implantados no Estado da Paraíba são considerados uma alternativa econômica bastante rentável, promove a geração de empregos e aumenta a disponibilidade de alimentos. Devido ao manejo inadequado do solo e da água, isso têm causado perdas na qualidade do solo desses perímetros, degradando-os principalmente por salinização. O sensoriamento remoto é uma alternativa tecnológica de baixo custo, boa frequência temporal e possui a capacidade de mapear áreas em processo de desertificação. Essa pesquisa têm por objetivo identificar possíveis áreas afetadas por sais no Perímetro Irrigado de São Gonçalo (PISG), Sousa- PB, por meio de técnicas de sensoriamento remoto. Para esse estudo foi utilizado imagens do satélite LANDSAT 8/OLI (média resolução espacial), órbita 216 / ponto 65 da data de 23/11/2016; imagem do software Google Earth Pro® da data de 29/02/2016 para servir como imagem auxiliar e registros fotográficos das áreas in loco. Realizou-se a técnica de classificação supervisionada, utilizando o SCP (semi- automatic plugin) no software QGIS (Quantum Gis). A aferição da qualidade da classificação se deu por meio da validação cruzada, utilizando de parâmetros estatísticos como a exatidão do produtor (EP), exatidão do usuário (EU), exatidão global (EG) e índice Kappa. A classe área supostamente salinizada (ASS) apresentou EP e EU de 89.15% e 88.88%, respectivamente. O índice Kappa resultou em um valor de 0.8684, a classe ASS foi classificada como sendo de qualidade excelente. A qualidade geral da classificação é avaliada tanto pela EG que apresentou um valor de 0.9350 como pelo índice Kappa geral com valor de 0.9252, sendo valores que representam uma classificação de qualidade excelente. A classe ASS apresentou os maiores valores mínimos e máximos de fator de refletância em todas as bandas da imagem, destacando a banda 6 de valores 0.47 e 0.67, respectivamente. O valor da área classificada como sendo da classe ASS foi de 1736.75 hectares, 31% da área total do PISG. As imagens analisadas possibilitaram discriminar áreas salinizadas e não salinizadas mediante as diferenças de tonalidade e de refletância. As imagens analisadas com o plugin SCP possibilitaram a realização de um mapa de classificação supervisionada, indicando a variabilidade espacial das áreas propícias ao processo de salinização. No entanto, recomenda- se a análise dos parâmetros físicos e químicos do solo dessas áreas para o aumento da confiabilidade na qualidade desse tipo de mapeamento. / The irrigated perimeters implemented in the State of Paraiba are considered a costeffective alternative quite profitable, promotes the generation of jobs and increases the availability of food. Due to inadequate management of soil and water, that have caused losses in soil quality of these perimeters, degrading them mainly by salinization. Remote sensing is an alternative low-cost technology, good temporal and frequency has the ability to map areas in process of desertification. This research aim to identify potential areas affected by salts in the irrigated perimeter of São Gonçalo (PISG), Sousa-PB, through remote sensing techniques. For this study we used LANDSAT satellite images 8/OLI (average spatial resolution), 216/orbit point 65 of 07/11/2016 date; image of the Google Earth Pro software® from date of 29/02/2016 to serve as auxiliary image and photographic records of the areas on the spot. The supervised classification technique, using the SCP (semi-automatic plugin) in software QGIS (Quantum Gis). The measurement of the quality of the classification took place by means of cross-validation, using statistical parameters such as the accuracy of the producer (EP), accuracy of the user (EU), global (EG) accuracy and Kappa index. The area class supposedly salinated (.ASS) presented EP and I of 89.15% and 88.88%, respectively. The Kappa index resulted in a value of .ASS class 0.8684 was classified as being of excellent quality. The overall quality of the classification is assessed both by EG who presented a 0.9350 value as the Kappa index 0.9252 valued General, being values that represent a rating of excellent quality. The class ASS presented the largest minimum and maximum values of reflectance factor in all the bands in the image, highlighting the band 6 0.47 values and 0.67, respectively. The value of the area classified as being of .ASS class was 1736.75 acres, 31% of the total area of the PISG. The images reviewed discriminate salinated areas and not allowed saline through the variations of shade and reflectance. The images analyzed with the SCP plugin enabled the creation of a map of supervised classification, indicating the spatial variability of the areas prone to salinization process. However, it is recommended that the analysis of the physical and chemical soil parameters of these areas for increased reliability in the quality of this type of mapping.