Orientador: Maria de Lourdes Bueno Trindade Galo / Resumo: Atualmente o volume de dados produzidos tem atingido patamares nunca imaginados, sobretudo em decorrência da multiplicação do número de sensores e da popularização da internet, com a web 2.0 e as redes sociais. Dentre os diversos tipos de sensores existentes, os de imageamento, transportados principalmente por satélites, produzem vastos conjuntos de observações da superfície da Terra. A observação contínua da Terra por satélites possibilita o monitoramento de mudanças no uso e cobertura da terra. Contudo, em diversas pesquisas relacionadas a mudanças no planeta, são utilizados apenas pequenos fragmentos do imenso conjunto de dados existente, essencialmente devido a ainda haver uma lacuna científicatecnológica relacionada aos procedimentos de organização, armazenamento, análise e representação de grandes conjuntos de dados. Portanto, nessa pesquisa foi definida uma estrutura para organização, armazenamento e recuperação de dados espaço-temporais, com o propósito de fornecer suporte a detecção de mudanças na cobertura da terra. Para tanto, foi definida como aplicação a análise de séries temporais de Normalized Difference Vegetation Index (NDVI) derivadas de imagens adquiridas desde 1984 até 2017, pelos sensores Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM+) e Operational Land Imager (OLI) para a região de Porto Velho, Rondônia. Foi construída uma série temporal de NDVI para a posição de cada pixel presente na área de estudo. Regiões de referência foram definidas par... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Nowadays the size of datasets has been reaching levels never seen before, mainly due to new sensors and the widespread of the internet, with web 2.0 and social media. Among the various types of sensors, the imaging sensors, mainly carried by satellites, have produced big Earth observations datasets. The regular Earth observation by satellites enable to monitor Land Use/Cover Change (LUCC). However, in many researches related to LUCC, only small parts of the big Earth Observation datasets are normally used, because there is still a scientifictechnological gap related to the organization, storage, analysis and representation of big Earth Observations data. Therefore, in this research was defined a database for the organization, storage and retrieval of spatio-temporal data, to support a LUCC task. Therefore, the time series analysis of Normalized Difference Vegetation Index (NDVI) of images acquired from 1984 to 2017 by Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM+) and Operational Land Imager (OLI) for the region of Porto Velho, Rondônia was defined as the application. To the position each of the pixel in the study area was built a NDVI time series. Reference areas were defined to retrieve reference time series that describe the land cover types and the change classes (anthropic and natural). The Fast Dynamic Time Warping (FastDTW) algorithm was used to measure the similarity between the time series, to be classified and reference ones. To find the time series clas... (Complete abstract click electronic access below) / Mestre

Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2018-09-12T19:09:12Z No. of bitstreams: 1 JOÃO NAILSON DE CASTRO SILVA – DISSERTAÇÃO (PPGRN) 2017.pdf: 6066847 bytes, checksum: 06d6d215ba35522ddc64fb5c435d43f4 (MD5) / Made available in DSpace on 2018-09-12T19:09:12Z (GMT). No. of bitstreams: 1 JOÃO NAILSON DE CASTRO SILVA – DISSERTAÇÃO (PPGRN) 2017.pdf: 6066847 bytes, checksum: 06d6d215ba35522ddc64fb5c435d43f4 (MD5) Previous issue date: 2017-08-25 / Capes / A Caatinga é um bioma único que só ocorre na região do Semiárido do Brasil (SAB). Este bioma se diferencia principalmente pela capacidade de desenvolver mecanismos de adaptação aos baixos índices pluviométricos da região, além de apresentar alta resiliência nesse ambiente de elevada pressão antrópica. Tendo em vista que a cobertura vegetal exerce um papel muito importante no equilíbrio ambiental, as técnicas de sensoriamento remoto têm sido muito utilizadas para extrair informações biofísicas da vegetação. Este trabalho, teve como objetivo estabelecer uma metodologia que incorpore a capacidade de caracterização temporal do índice de vegetação à técnica de classificação de imagens para melhorar a identificação das classes de cobertura da Terra na bacia do Rio Sucuru, no Cariri paraibano. Neste sentido, busca-se uma classificação de referência dos padrões de cobertura da terra a partir de imagens de SR, para um período específico, no qual, seja possível uma validação em campo. Além disso, é realizada uma avaliação de uma série temporal de um índice de vegetação para melhoria da classificação realizada. Nessa pesquisa foi adotado parte da metodologia proposta por Chaves et al. (2008), para classificar os padrões de cobertura do solo e uma série temporal de EVI, processadas com 88 imagens selecionadas dos sensores ETM+ e OLI/TIRS, da série Landsat, para o período entre outubro de 2014 a setembro de 2016. Os resultados evidenciaram que analisar a cobertura vegetal utilizando apenas um único momento não retrata fidedignamente os padrões de cobertura do solo, visto que nesse ambiente semiárido as respostas que a vegetação apresenta diante da presença ou ausência de chuva são muito rápidas. Nesse sentido, os resultados mostram que uma análise espaço-temporal, utilizando um índice de vegetação, pode estabelecer uma melhor distinção das categorias atribuídas em uma classificação de padrões de cobertura do solo, possibilitando uma melhor percepção do comportamento da vegetação para um período de 24 meses observado. / The Caatinga is a unique biome that only occurs in the semi-arid region of Brazil. This biome is distinguished, mainly, by the capacity to develop mechanisms of adaptation to the low rainfall rates of the region. Plus, it also has a high resilience level upon high anthropic pressure. Considering that land cover plays a very important role in environmental balance, remote sensing techniques have been widely used to extract biophysical information from vegetation. The objective of this work is to establish a methodology that incorporates a time series vegetation index characterization to the image classification technique for improving the land cover classification in the Sucuru River basin in Cariri, Paraíba. In this sense, a Land Cover classification is acquired from SR images, for a specific data. For this data, there is a ground truth validation. In addition, an evaluation of a vegetation index time series is performed to improve the classification. In this research was adopted part of the methodology proposed by Chaves et al. (2008), to classify land cover patterns and a time series of EVI, processed with 88 images selected from the ETM + and OLI / TIRS sensors of the Landsat series for the period between October 2014 to September 2016. The results evidence that analyzing the land cover for a single time stamp could not reliably portray the land cover patterns since we often have fast changes before and after a rainfall event in this semi-arid environment. In this sense, the results show that a spatiotemporal analysis, using a vegetation index, can establish a better distinction of the categories assigned to a classification of land cover patterns, allowing a better perception of vegetation behavior for a period of 24 Months observed.