This thesis addresses three research gaps in published literature. These are, the absence of Object Based Image Analysis (OBIA) methods for urban Land Use and Land Cover (LULC) analysis in Nigeria; the inability to use Nigeriasat-1 satellite data for urban LULC analysis and monitoring urban growth in Nigeria with Shannon’s Entropy Index. Using Abuja as a case study, this research investigated the nature of land use/land cover change (LULCC). Specific objectives were: design of an object based classification method to extract urban LULC; validate a method to extract LULC in developing countries from multiple sources of remotely sensed data; apply the method to extract LULC data; use the outputs to validate an Urban Growth Model (UGM); optimise an UGM to represent patterns and trends and through this iterative process identify and prioritise the driving forces of urban change; and finally use the outputs of the land use maps to determine if planning has controlled land use development. Landsat 7 ETM (2001), Nigeriasat-1 SLIM (2003) and SPOT 5 HRG (2006) sensor data were merged with land use cadastre in OBIA, to produce land use maps. Overall classification accuracies were 92%, 89% and 96% respectively. Post classification analysis of LULCC indicated 4.43% annual urban spread. Shannon’s Entropy index for the study period were 0.804 (2001), 0.898 (2003) and 0.930 (2006). Cellular Automata/Markov analysis was also used to predict urban growth trend of 0.89% per annum. For the first time OBIA has been used for LULC analysis in Nigeria. This research has established that Nigeriasat-1 data can contribute to urban studies using innovative OBIA methods. In addition, that Shannon’s Entropy Index can be used to understand the nature of urban growth in Nigeria. Finally, the drivers of LULCC in Abuja are similar to those of planned capital cities in other developing economies. Land use developments in Abuja can provide an insight into urban dynamics in a developing country’s capital region. OBIA, Shannon’s Entropy Index and UGM can aid urban administrators and provide information for sustainable urban planning and development.

O crescimento acelerado das cidades e os reflexos desse aumento das populações urbanas é preocupação constante na atualidade. Nesse processo, o surgimento de ocupações precárias, especialmente nas regiões metropolitanas, torna-se uma das características mais explicitas, caracterizando a própria lógica de ocupação, uso e direito desigual ao território. O monitoramento dessas áreas, sua formação e expansão, são uma necessidade crescente, em diversos locais no mundo, visto que a inclusão dessas áreas à cidade formal é tido como gatilho para a melhoria das condições de vida de mais de 100 milhões de pessoas que vivem em favelas no mundo todo, como colocam as Metas de Desenvolvimento do Milênio propostas pela Organização das Nações Unidas. Contudo, para que os habitantes das favelas sejam atendidos em seu direito a uma vida digna, faz-se necessário seu conhecimento e principalmente quantas são e onde estão. Um importante instrumento, com relação benéfica entre tempo de aquisição, custo de aplicação e possibilidade de replicabilidade e transferência de conhecimento é o uso de dados de Sensoriamento Remoto. Estes possibilitam o estabelecimento de metodologias através de procedimentos de detecção de feições e classificação do uso do solo, para identificação dessas áreas. Não obstante, os métodos de classificação clássicos quando aplicados a imagens de altíssima resolução espacial não conseguem extrair de forma satisfatória, em determinados casos, informações para uso intraurbano. Nesse ínterim surgem novos paradigmas de classificação de imagens como a Análise Orientada a Objeto, onde o processo de classificação parte do objeto geográfico definido a partir da segmentação da imagem, aproximando o objeto de feições do mundo real. Sobre estes objetos é possível a aplicação de regras de pertinência e de contexto através de linguagens e softwares específicos que permitem a transposição do conhecimento humano de fotointerpretação relação contextual para o meio computacional. Este trabalho objetivou avaliar o uso desta técnica de classificação para a detecção e mapeamento de favelas no município de Taboão da Serra/SP, utilizando dados auxiliares para a caracterização destas áreas e seus graus e tipos de precariedade. Os resultados demonstram a validade da aplicação da técnica. / The accelerated growth of the cities and the reflections of the increase of the urban population has been a constant concern nowadays. In this process, the occurrence of precarious occupancies, mainly in the metropolitan regions, has become one of the most explicit characteristics, describing the logic of occupancy itself, unequal use and right to the territory. The monitoring of these areas, their lineup and expansion, are an increasing need in several places in the world, as the inclusion of these areas in the formal city is considered a trigger for the living conditions improvement of over 100 million people who live in slums all over the world, as the Developments Goals of the Millennium proposed by the United Nations Organization. However, in order to meet the rights to a dignified life of the slums inhabitants, it is necessary to know about them mainly their number and where they are. An important tool related to the beneficial relation among the acquisition time, application cost and possibility of applying again, and transference of knowledge is the use of data from Remote Sensing. These data make it possible to establish the methodologies through the detection of features procedures and classification of the land use for these areas identification. Nevertheless the classical methods of classification cannot obtain, in certain cases, information on the interurban use, in a satisfactory way. In the interim, new paradigms of images classification appear like the Object Based Image Analysis (OBIA) which goes from the defined geographic object to the image segmentation, approaching the object to features of the real world. The application of pertinent rules and context over these objects is possible through specific languages and softwares that allow the transference of human knowledge of photo interpretation and contextual relation to the computing environment. This work aimed at evaluating the use of this classification technique for detection and zoning of slums in Taboão da Serra/SP town using supporting data for the areas characterization, its grades and kinds of precarious conditions. The results show the validity of the technique application.

The successful analysis of LiDAR data for archaeological research requires an evaluation of effects of different vegetation types and the use of adequate visualization techniques for the identification of archaeological features. The Ceibal-Petexbatun Archaeological Project conducted a LiDAR survey of an area of 20 x 20 km around the Maya site of Ceibal, Guatemala, which comprises diverse vegetation classes, including rainforest, secondary vegetation, agricultural fields, and pastures. We developed a classification of vegetation through object-based image analysis (OBIA), primarily using LiDAR-derived datasets, and evaluated various visualization techniques of LiDAR data. We then compared probable archaeological features identified in the LiDAR data with the archaeological map produced by Harvard University in the 1960s and conducted ground-truthing in sample areas. This study demonstrates the effectiveness of the OBIA approach to vegetation classification in archaeological applications, and suggests that the Red Relief Image Map (RRIM) aids the efficient identification of subtle archaeological features. LiDAR functioned reasonably well for the thick rainforest in this high precipitation region, but the densest parts of foliage appear to create patches with no or few ground points, which make the identification of small structures problematic.

O crescimento acelerado das cidades e os reflexos desse aumento das populações urbanas é preocupação constante na atualidade. Nesse processo, o surgimento de ocupações precárias, especialmente nas regiões metropolitanas, torna-se uma das características mais explicitas, caracterizando a própria lógica de ocupação, uso e direito desigual ao território. O monitoramento dessas áreas, sua formação e expansão, são uma necessidade crescente, em diversos locais no mundo, visto que a inclusão dessas áreas à cidade formal é tido como gatilho para a melhoria das condições de vida de mais de 100 milhões de pessoas que vivem em favelas no mundo todo, como colocam as Metas de Desenvolvimento do Milênio propostas pela Organização das Nações Unidas. Contudo, para que os habitantes das favelas sejam atendidos em seu direito a uma vida digna, faz-se necessário seu conhecimento e principalmente quantas são e onde estão. Um importante instrumento, com relação benéfica entre tempo de aquisição, custo de aplicação e possibilidade de replicabilidade e transferência de conhecimento é o uso de dados de Sensoriamento Remoto. Estes possibilitam o estabelecimento de metodologias através de procedimentos de detecção de feições e classificação do uso do solo, para identificação dessas áreas. Não obstante, os métodos de classificação clássicos quando aplicados a imagens de altíssima resolução espacial não conseguem extrair de forma satisfatória, em determinados casos, informações para uso intraurbano. Nesse ínterim surgem novos paradigmas de classificação de imagens como a Análise Orientada a Objeto, onde o processo de classificação parte do objeto geográfico definido a partir da segmentação da imagem, aproximando o objeto de feições do mundo real. Sobre estes objetos é possível a aplicação de regras de pertinência e de contexto através de linguagens e softwares específicos que permitem a transposição do conhecimento humano de fotointerpretação relação contextual para o meio computacional. Este trabalho objetivou avaliar o uso desta técnica de classificação para a detecção e mapeamento de favelas no município de Taboão da Serra/SP, utilizando dados auxiliares para a caracterização destas áreas e seus graus e tipos de precariedade. Os resultados demonstram a validade da aplicação da técnica. / The accelerated growth of the cities and the reflections of the increase of the urban population has been a constant concern nowadays. In this process, the occurrence of precarious occupancies, mainly in the metropolitan regions, has become one of the most explicit characteristics, describing the logic of occupancy itself, unequal use and right to the territory. The monitoring of these areas, their lineup and expansion, are an increasing need in several places in the world, as the inclusion of these areas in the formal city is considered a trigger for the living conditions improvement of over 100 million people who live in slums all over the world, as the Developments Goals of the Millennium proposed by the United Nations Organization. However, in order to meet the rights to a dignified life of the slums inhabitants, it is necessary to know about them mainly their number and where they are. An important tool related to the beneficial relation among the acquisition time, application cost and possibility of applying again, and transference of knowledge is the use of data from Remote Sensing. These data make it possible to establish the methodologies through the detection of features procedures and classification of the land use for these areas identification. Nevertheless the classical methods of classification cannot obtain, in certain cases, information on the interurban use, in a satisfactory way. In the interim, new paradigms of images classification appear like the Object Based Image Analysis (OBIA) which goes from the defined geographic object to the image segmentation, approaching the object to features of the real world. The application of pertinent rules and context over these objects is possible through specific languages and softwares that allow the transference of human knowledge of photo interpretation and contextual relation to the computing environment. This work aimed at evaluating the use of this classification technique for detection and zoning of slums in Taboão da Serra/SP town using supporting data for the areas characterization, its grades and kinds of precarious conditions. The results show the validity of the technique application.

In this thesis, an approach to automatically derive information about land cover from the remotely sensed data is presented. The data interpretation was done with classification process and performed in software eCognition Developer. The Object-based image analysis, which assignes the classes - for example land cover types, to clusters of pixels (=objects), was used. For the classification, products of two different data sources were combined - the orthophotos generated from aerial imagery and Normalized Digital surface model derived from LiDAR data. Five types of landscape elements were identified and classified.