Made available in DSpace on 2014-06-11T19:23:30Z (GMT). No. of bitstreams: 0 Previous issue date: 2005Bitstream added on 2014-06-13T18:09:43Z : No. of bitstreams: 1 cruz_nc_me_prud.pdf: 1504734 bytes, checksum: 24dad2fab48cdca8018cdd5f1df08e04 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Nos últimos anos, infestações de plantas aquáticas em reservatórios estão sendo estudadas como um efeito do desequilíbrio causado pela poluição e represamento dos rios. A quantidade excessiva de plantas, conseqüente desse desequilíbrio, dificulta tanto a navegação como a produção de energia elétrica. Esse tipo de ocorrência, assim como a presença de algumas substâncias na água, provocam mudanças na radiância da mesma, registradas por sensores orbitais. Nesse sentido, técnicas de processamento e análise de dados de sensoriamento remoto podem se constituir em uma fonte complementar de dados e fornecer informações relacionadas ao grau de infestação de reservatórios. Nesse contexto, o presente trabalho teve como objetivo verificar a influência da resolução espacial de imagens multiespectrais na detecção e mapeamento de áreas infestadas por plantas aquáticas emersas em um reservatório de pequeno porte, através de utilização de procedimentos de análise multiescala e classificação supervisionada usando redes neurais artificiais. Para isso foram utilizadas imagens IKONOS multiespectrais (4 metros de resolução espacial) do reservatório de Salto Grande localizado na cidade de Americana- SP. Assim, foram geradas imagens multiescala, resultando em imagens de 8, 16 e 32 metros de resolução espacial. Na classificação das imagens, utilizando Redes Neurais Artificiais, os dados de entrada constituíram-se de imagens multiespectrais IKONOS (bandas 1, 2, 3 e 4), imagem de textura (banda do IVP), e uma imagem de índice de vegetação (NDVI). O procedimento metodológico adotado mostrou-se adequado para o mapeamento das variações espectrais da água e detecção das infestações por plantas aquáticas, nos vários níveis de resolução da imagem. Os resultados obtidos mostraram que a classificação pela rede neural, com os parâmetros... / In past few years, great infestations of aquatic plants in reservoirs have been studied as an effect of the environmental unbalance caused by pollution and damming of rivers. The excessive amount of plants, deriving from this unbalance, makes navigation and the production of electricity difficult. This kind of occurrence, as well as the appearance of some substances in the water, cause changes in the water radiance detected by satellite sensors. Thus, processing techniques and data analysis may be used as a complementary data source to give information related to the degree of infestation of these plants in reservoirs. So, the present dissertation aimed at verifying the influence of the spatial resolution of multispectral images in the detection and mapping of areas infested by aquatic plants in a small reservoir , through the use of multiscale analysis procedures and supervised classification using artificial neural networks. Multiespectral imagens IKONOS (spatial resolution of 4 meters) of the reservoir of Salto Grande, in the city of Americana-SP were used. So, multiscale images were generated, resulting in images of 8, 16 and 32 meters of spatial resolution. In the classification of these images, using Artificial Neural Networks, the input data was constituted of multispectral images IKONOS (bands 1, 2, 3 and 4), image of texture (band of NIR), and one image of vegetation index (NDVI). The method used was adequate to map the spectral variation of the water and to detect infested areas of aquatic plants in the various levels of resolution of the image. The results obtained showed that the classification by the parameters defined for the original image and applied in the training of the scheme adopted for the different resolution levels was satisfactory. Furthermore, an analysis was made comparing multiscale images classified through crossed comparison, which permits comparing...(Complete abstract click electronic access below)

Submitted by Emerson Leão Júnior null (emerson.leaojr@gmail.com) on 2017-12-05T18:07:16Z No. of bitstreams: 1 leao_ej_me_prud.pdf: 4186679 bytes, checksum: ee186b23411343c3e2d782d622226699 (MD5) / Approved for entry into archive by ALESSANDRA KUBA OSHIRO null (alessandra@fct.unesp.br) on 2017-12-06T10:52:22Z (GMT) No. of bitstreams: 1 leaojunior_e_me_prud.pdf: 4186679 bytes, checksum: ee186b23411343c3e2d782d622226699 (MD5) / Made available in DSpace on 2017-12-06T10:52:22Z (GMT). No. of bitstreams: 1 leaojunior_e_me_prud.pdf: 4186679 bytes, checksum: ee186b23411343c3e2d782d622226699 (MD5) Previous issue date: 2017-04-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Considerando o cenário durante a crise hídrica de 2014 e a situação crítica dos reservatórios do sistema Cantareira no estado de São Paulo, este estudo realizado no reservatório Jaguari-Jacareí, consistiu na extração de informações a partir de imagens multiespectrais e análise da qualidade da informação relacionada com a acurácia no cálculo do volume de água do reservatório. Inicialmente, a superfície do espelho d’água foi obtida pela classificação da cobertura da terra a partir de imagens multiespectrais RapidEye tomadas antes e durante a crise hídrica (2013 e 2014, respectivamente), utilizando duas abordagens distintas: classificação orientada a objeto (Object-based Image Analysis - OBIA) e classificação baseada em pixel (Support Vector Machine – SVM). A acurácia do usuário por classe permitiu expressar o erro para detectar a superfície do espelho d’água para cada abordagem de classificação de 2013 e 2014. O segundo componente da estimação do volume foi a representação do relevo submerso, que considerou duas fontes de dados na construção do modelo numérico do terreno (MNT): dados topográficos provenientes de levantamento batimétrico disponibilizado pela Sabesp e o modelo de superfície AW3D30 (ALOS World 3D 30m mesh), para complementar a informação não disponível além da cota 830,13 metros. A comparação entre as duas abordagens de classificação dos tipos de cobertura da terra do entorno do reservatório Jaguari-Jacareí mostrou que SVM resultou em indicadores de acurácia ligeiramente superiores à OBIA, para os anos de 2013 e 2014. Em relação à estimação de volume do reservatório, incorporando a informação do nível de água divulgado pela Sabesp, a abordagem SVM apresentou menor discrepância relativa do que OBIA. Apesar disso, a qualidade da informação produzida na estimação de volume, resultante da propagação da variância associada aos dados envolvidos no processo, ambas as abordagens produziram valores similares de incerteza, mas com uma sutil superioridade de OBIA, para alguns dos cenários avaliados. No geral, os métodos de classificação utilizados nesta dissertação produziram informação acurada e adequada para o monitoramento de recursos hídricos e indicou que a abordagem SVM teve um desempenho sutilmente superior na classificação dos tipos de cobertura da terra, na estimação do volume e em alguns dos cenários considerados na propagação da incerteza. / This study aims to extract information from multispectral images and to analyse the information quality in the water volume estimation of Jaguari-Jacareí reservoir. The presented study of changes in the volume of the Jaguari-Jacareí reservoir was motivated by the critical situation of the reservoirs from Cantareira System in São Paulo State caused by water crisis in 2014. Reservoir area was extracted from RapidEye multispectral images acquired before and during the water crisis (2013 and 2014, respectively) through land cover classification. Firstly, the image classification was carried out in two distinct approaches: object-based (Object-based Image Analysis - OBIA) and pixel-based (Support Vector Machine - SVM) method. The classifications quality was evaluated through thematic accuracy, in which for every technique the user accuracy allowed to express the error for the class representing the water in 2013 and 2014. Secondly, we estimated the volume of the reservoir’s water body, using the numerical terrain model generated from two additional data sources: topographic data from a bathymetric survey, available from Sabesp, and the elevation model AW3D30 (to complement the information in the area where data from Sabesp was not available). When compare the two classification techniques, it was found that in the image classification, SVM performance slightly overcame the OBIA classification technique for 2013 and 2014. In the volume calculation considering the water level estimated from the generated DTM, the result obtained by SVM approach was better in 2013, whereas OBIA approach was more accurate in 2014. Considering the quality of the information produced in the volume estimation, both approaches presented similar values of uncertainty, with the OBIA method slightly less uncertain than SVM. In conclusion, the classification methods used in this dissertation produced accurate information to monitor water resource, but SVM had a subtly superior performance in the classification of land cover types, volume estimation and some of the scenarios considered in the propagation of uncertainty.

The current technologies for acquisition, storage and transmission of digital data, generate large amounts of data. This quantitative increase is directly proportional to the expansion of multimedia databases, where the bases are part of images. Factors contributing to this expansion is the generation of data access and multimedia, which are frequently used by the population through the media today. Thus, we find a clear need exists for automated systems, capable of dealing with the storage and retrieval of data in a time acceptable to the current standards. To this end, systems are designed for content retrieval of images, where the content is described through its low-level visual features such as shape, texture and color. To have such a system is considered ideal, it must be efficient and effective. The effectiveness will result from the way the information was obtained as a low level of images, considering different conditions of focus, lighting and occlusion. The efficiency is a consequence of the results obtained using the organization of information extracted. The methods of grouping are in one of the useful techniques to reduce the computational complexity of these systems, reducing the computational complexity of the methods implemented, but without losing the representation of information extracted. This work proposes a method for retrieval of images based on content, using appropriate techniques of clustering, a technique for detecting edges and a method to normalize the images in the aspect of enlightenment, to get through it the image descriptors that are robust and can be applied efficiently in a retrieval system for images by content - CBIR (Content Based Image Retrieval). / As tecnologias atuais de aquisição, armazenamento e transmissão de dados digitais geram grandes quantidades de dados. Esse aumento quantitativo é diretamente proporcional à ampliação das bases de dados multimídia, onde se inserem as bases de imagens. Fatores relevantes que contribuem para esta ampliação são o acesso e a geração de dados multimídia, os quais são freqüentemente utilizados pela população através dos meios de comunicação atuais. Desta forma, percebe-se claramente a necessidade existente por sistemas automatizados, capazes de lidar com o armazenamento e a recuperação destes dados em um tempo aceitável para os padrões atuais. Para este fim, são desenvolvidos sistemas de recuperação de imagens por conteúdo, onde este conteúdo é descrito através de suas características visuais de baixo nível, como forma, textura e cor. Para que um sistema deste tipo seja considerado ideal, ele deve ser eficiente e eficaz. A eficácia será resultado da maneira de como foram obtidas as informações de baixo nível das imagens, considerando diferentes condições de foco, oclusão e iluminação. A eficiência é conseqüência dos resultados obtidos utilizando-se a organização das informações extraídas. Os métodos de agrupamento constituem em uma das técnicas úteis para diminuir a complexidade computacional destes sistemas, uma vez que agrupa informações com características semelhantes, sob determinado critério, porém sem perder a representatividade das informações extraídas. Este trabalho propõe um método para recuperação de imagens baseada em conteúdo, que utiliza apropriadamente as técnicas de agrupamento, uma técnica de detecção de cantos e um método para normalizar as imagens no aspecto da iluminação, visando através disso obter descritores da imagem que sejam robustos e possam ser aplicados eficientemente em um sistema de recuperação de imagens por conteúdo - CBIR(Content Based Image Retrieval).

Bases de imagens armazenadas em sistemas computacionais da área médica correspondem a uma valiosa fonte de conhecimento. Assim, a mineração de imagens pode ser aplicada para extrair conhecimento destas bases com o propósito de apoiar o diagnóstico auxiliado por computador (Computer Aided Diagnosis - CAD). Sistemas CAD apoiados por mineração de imagens tipicamente realizam a extração de características visuais relevantes das imagens. Essas características são organizadas na forma de vetores de características que representam as imagens e são utilizados como entrada para classificadores. Devido ao problema conhecido como lacuna semântica, que corresponde à diferença entre a percepção da imagem pelo especialista médico e suas características automaticamente extraídas, um aspecto desafiador do CAD é a obtenção de um conjunto de características que seja capaz de representar de maneira sucinta e eficiente o conteúdo visual de imagens médicas. Foi desenvolvido neste trabalho o extrator de características FFS (Fast Fractal Stack) que realiza a extração de características de forma, que é um atributo visual que aproxima a semântica esperada pelo ser humano. Adicionalmente, foi desenvolvido o algoritmo de classificação Concept, que emprega mineração de regras de associação para predizer a classe de uma imagem. O aspecto inovador do Concept refere-se ao algoritmo de obtenção de representações de imagens, denominado MFS-Map (Multi Feature Space Map) e também desenvolvido neste trabalho. O MFS-Map realiza agrupamento de dados em diferentes espaços de características para melhor aproveitar as características extraídas no processo de classificação. Os experimentos realizados para imagens de tomografia pulmonar e mamografias indicam que tanto o FFS como a abordagem de representação adotada pelo Concept podem contribuir para o aprimoramento de sistemas CAD / Medical image databases represent a valuable source of data from which potential knowledge can be extracted. Image mining can be applied to knowledge discover from these data in order to help CAD (Computer Aided Diagnosis) systems. The typical set-up of a CAD system consists in the extraction of relevant visual features in the form of image feature vectors that are used as input to a classifier. Due to the semantic gap problem, which corresponds to the difference between the humans image perception and the features automatically extracted from the image, a challenging aspect of CAD is to obtain a set of features that is able to succinctly and efficiently represent the visual contents of medical images. To deal with this problem it was developed in this work a new feature extraction method entitled Fast Fractal Stack (FFS). FFS extracts shape features from objects and structures, which is a visual attribute that approximates the semantics expected by humans. Additionally, it was developed the Concept classification method, which employs association rules mining to the task of image class prediction. The innovative aspect of Concept refers to its image representation algorithm termed MFS-Map (Multi Feature Space Map). MFS-Map employs clustering in different feature spaces to maximize features usefulness in the classification process. Experiments performed employing computed tomography and mammography images indicate that both FFS and Concept methods for image representation can contribute to the improvement of CAD systems

As plantações de eucaliptos representam grande potencial econômico para a indústria de papel, celulose, entre outras, além de apresentar uma série de características positivas como alta produtividade, grande potencial de adaptação e ampla diversidade de espécies. Em consequência a tais vantagens, há décadas diversas pesquisas vem sendo realizadas com o intuito de monitorar e detectar diversas doenças que aferem este tipo de cultura. O monitoramento rápido das doenças em eucaliptos torna-se um requisito para evitar grandes perdas econômicas. Neste projeto de pesquisa utilizou-se imagens aéreas obtidas por VANTs (Veículos Aéreos Não-Tripulados) para detectar um tipo específico de estresse que afeta as plantações de eucaliptos: a Murcha de Ceratocyst is. Após rotular eucaliptos doentes e saudáveis e outras estruturas em imagens aéreas, técnicas de Aprendizado de Máquina Supervisionado foram desenvolvidas para generalizar o conhecimento e possibilitar uma rápida detecção através das imagens RGB e multiespectrais. Dentre as técnicas utilizadas, destacou-se a arquitetura de Redes Neurais Convolucional chamada de Custom- CNN, inspirada no modelo da tradicional arquitetura Lenet -5 agregando-se melhorias do estado-da-arte, como a camada convolucional 1x1. Na classificação do conjunto RGB, a Custom-CNN obteve o maior F-score, de 0,81, sendo que a técnica SVM-rbf obteve 0,67. No conjunto de dados com imagens multiespectrais, a Lenet -5 e a Custom-CNN at ingiram, respectivamente, 0,63 e 0,66 de F-score, enquanto o SVM-rbf obteve 0,46. Esta dissertação apresenta a metodologia utilizada para a classificação, elencando as principais características dos algoritmos utilizados, bem como os resultados experimentais obtidos. Há ainda uma aplicação do classificador Regressão Logística para o planejamento de trajetória com VANTs. / Eucalypt us plantations represent great economic potential for t he paper, pulp, among others, in addition to presenting a number of positive characteristics such as high productivity, great potential for adaptaion and wide diversity of species. In consequence of t hese advantages, there are several decades research has been conducted in order to monitor and detect various diseases that affect s this type of culture. The rapid monitoring of diseases in eucalyptus becomes a requirement to avoid major economic losses. In t his research project we used aerial images obtained by UAVs (Unmanned Aerial Vehicles) to detect an specific type of stress t hat a effect s eucalyptus plantations: the Ceratocyst is wilt . After labeling diseased eucalyptus, healthy eucalyptus and other structures in aerial images, Supervised Machine Learning techniques were developed to generalize knowledge and enable rapid detection through RGB and multispectral images. Among the techniques used, stood out t he Convolutional Neural Network architecture called Custom-CNN, that was inspired by the model of t raditional Lenet -5 architecture and with state-of-the-art improvements, such as t he 1x1 convolution layer. In t he classification of RGB dataset , the Custom-CNN obtained the highest F-score of 0.81, and SVM-RBF technique obtained 0.67. In t he dataset with multispectral images, Lenet -5 and Custom-CNN obtained, respectively, 0.63 and 0.66 of F-score, while SVM-rbf obtained 0.46. This paper presents the methodology used for classification, listing the main features of the algorithms and the experimental results. There is also an application of Logistic Regression classifier for path planning with UAVs.

Plâncton são organismos microscópicos que constituem a base da cadeia alimentar de ecossistemas aquáticos. Eles têm importante papel no ciclo do carbono pois são os responsáveis pela absorção do carbono na superfície dos oceanos. Detectar, estimar e monitorar a distribuição das diferentes espécies são atividades importantes para se compreender o papel do plâncton e as consequências decorrentes de alterações em seu ambiente. Parte dos estudos deste tipo é baseada no uso de técnicas de imageamento de volumes de água. Devido à grande quantidade de imagens que são geradas, métodos computacionais para auxiliar no processo de análise das imagens estão sob demanda. Neste trabalho abordamos o problema de identificação da espécie. Adotamos o pipeline convencional que consiste dos passos de detecção de alvo, segmentação (delineação de contorno), extração de características, e classificação. Na primeira parte deste trabalho abordamos o problema de escolha de um algoritmo de segmentação adequado. Uma vez que a avaliação de resultados de segmentação é subjetiva e demorada, propomos um método para avaliar algoritmos de segmentação por meio da avaliação da classificação no final do pipeline. Experimentos com esse método mostraram que algoritmos de segmentação distintos podem ser adequados para a identificação de espécies de classes distintas. Portanto, na segunda parte do trabalho propomos um método de classificação que leva em consideração múltiplas segmentações. Especificamente, múltiplas segmentações são calculadas e classificadores são treinados individualmente para cada segmentação, os quais são então combinados para construir o classificador final. Resultados experimentais mostram que a acurácia obtida com a combinação de classificadores é superior em mais de 2% à acurácia obtida com classificadores usando uma segmentação fixa. Os métodos propostos podem ser úteis para a construção de sistemas de identificação de plâncton que sejam capazes de se ajustar rapidamente às mudanças nas características das imagens. / Plankton are microscopic organisms that constitute the basis of the food chain of aquatic ecosystems. They have an important role in the carbon cycle as they are responsible for the absorption of carbon in the ocean surfaces. Detecting, estimating and monitoring the distribution of plankton species are important activities for understanding the role of plankton and the consequences of changes in their environment. Part of these type of studies is based on the analysis of water volumes by means of imaging techniques. Due to the large quantity of generated images, computational methods for helping the process of image analysis are in demand. In this work we address the problem of species identification. We follow the conventional pipeline consisting of target detection, segmentation (contour delineation), feature extraction, and classification steps. In the first part of this work we address the problem of choosing an appropriate segmentation algorithm. Since evaluating segmentation results is a subjective and time consuming task, we propose a method to evaluate segmentation algorithms by evaluating the classification results at the end of the pipeline. Experiments with this method showed that distinct segmentation algorithms might be appropriate for identifying species of distinct classes. Therefore, in the second part of this work we propose a classification method that takes into consideration multiple segmentations. Specifically, multiple segmentations are computed and classifiers are trained individually for each segmentation, which are then combined to build the final classifier. Experimental results show that the accuracy obtained with the combined classifier is superior in more than 2% to the accuracy obtained with classifiers using a fixed segmentation. The proposed methods can be useful to build plankton identification systems that are able to quickly adjust to changes in the characteristics of the images.

Em países em desenvolvimento, doenças infecciosas se constituem ainda um grave problema de saúde pública. Muitas vezes, essas doenças estão altamente relacionadas a condições urbanas que podem ser encontradas em áreas mais pobres. Nesses casos, o sensoriamento remoto (SR) pode ser utilizado como uma poderosa ferramenta de estudo. Novos produtos de SR se encontram disponíveis no mercado, permitindo o desenvolvimento de análises espaciais cada vez mais profundas e precisas. No entanto, a complexidade que envolve a epidemiologia de doenças, a irregularidade de ocupações urbanas e a heterogeneidade das imagens de alta resolução espacial têm restringido o desenvolvimento de estudos nesse campo científico. O desafio de identificar elementos e tipologias urbanas em imagens de sensoriamento remoto relacionadas à ocorrência da leptospirose justifica-se pela crença de que ferramentas de SR podem ser mais amplamente utilizadas no monitoramento de carências urbanísticas e, consequentemente, na gestão de ações e investimentos públicos. A metodologia contempla uma revisão bibliográfica sistemática, com base na qual foram criados modelos de transmissão da leptospirose e investigadas tipologias urbanas presentes na área de estudo. As variáveis baseadas em dados de SR que formam os indicadores dos modelos e que caracterizam as tipologias foram usadas para definir objetos e atributos, alvos das investigações em imagens de alta resolução espacial. Os procedimentos de SR adotados baseiam-se na segmentação multi-nível, classificação baseada em objeto, e utilizam ortofotografias aéreas, imagem QuickBird e base cartográfica do eixo viário do Subúrbio Ferroviário de Salvador. Para o cálculo das variáveis utilizou-se produtos do processamento da imagem QuickBird. Procedimentos de geoprocessamento foram realizados em sistema de informações geográficas. Por fim, realizaram-se as primeiras análises epidemiológicas que investigam a relação da leptospirose com os elementos e tipologias urbanas identificados por meio de SR, cujos resultados apontam maior influência do percentual de pavimentação das vias, sua largura e qualidade da edificação na possibilidade de ocorrência da leptospirose no Subúrbio. Possíveis fontes de viés são discutidas ao lado de propostas de continuação da pesquisa. Apesar dos problemas e limitações identificados no processo, o estudo mostra que a metodologia desenvolvida baseada em SR se constitui uma poderosa ferramenta de análise do espaço intra-urbano, uma vez que permite a identificação de elementos e tipologias relacionados a situações de risco, apoiando assim, o direcionamento de investimentos públicos que venham refletir na melhoria das condições de saúde da população. / In developing countries, infectious diseases are still a serious public health problem. These diseases are often and highly related to urban conditions found in poor areas, in these cases, remote sensing (RS) can be used as a powerful tool. New RS products are now available allowing the development of more complex and precise spatial analysis. On the other hand, the complexity of epidemiological studies, the lack of regularity of precarious urban settlements and the heterogeneity of high spatial resolution images have been restricting the development of studies in this areas. The challenge of identifying urban elements and typologies related to the leptospirosis using RS products is pursued due the belief that RS can be more used among professionals and researchers in the task of monitoring the urban environment, and directing public investments and actions. The methodology presented consists in a broad literature review, which was used to support leptospirosis transmission risk models and to find urban typologies at the study area. Variables based on RS were identified in the disease models and in the typologies characterization. This models and typologies also defined targets to look for in the high spatial resolution images. RS procedures were based on multi-level segmentation, object-based classification, aerial photography, QuickBird satellite images and street axis vector data of the Railroad Suburb of Salvador. In order to obtain the variable\'s values, results of QuickBird image processing were added to a geographic database and processed using vector and raster over layering techniques. At last, epidemiological analysis were initiated aiming to find its relationship with the urban elements and typologies identified using RS. The results points paved streets, streets wideness and house quality as the RS variables that have more influence on the leptospirosis transmission chance. The dissertation also presents research restrains, potentials, possible sources of bias and future studies proposals. It concludes that the RS based methodology presented is a powerful tool for urban analysis, due to its capabilities for identifying urban targets related to risky situations, and, therefore, for helping direct public investments to improve life conditions an unprivileged city areas.

O objetivo desta Tese é a proposição de uma metodologia alternativa para planejamento de transportes que contempla as ferramentas disponíveis na ciência do sensoriamento remoto. A perspectiva adotada analisa aspectos do planejamento de transportes urbanos, tendo como embasamento os dados e informações advindos das imagens de satélite com alto poder de resolução espacial. A metodologia usa a abordagem baseada em objetos para classificar imagens de satélite de sensoriamento remoto. Através do processo de classificação, identificam-se feições urbanas úteis para o planejamento de transporte, em especial áreas de concentração de polos geradores de viagens do município de João Pessoa no estado da Paraíba, Brasil. A proposta é que com base nesses dados, e outros provenientes de uma pesquisa de campo (pesquisa domiciliar origem/destino), é possível caracterizar o uso do solo e a correspondente demanda por transportes. O estudo se justifica por propor uma alternativa mais ágil e menos onerosa, em comparação aos métodos tradicionais de construção e atualização da base de dados para análises de transportes. Ao identificar as regiões da cidade com as maiores quantidades de viagens geradas, os resultados obtidos auxiliam nas ações de planejamento do sistema de transportes, visando alcançar o equilíbrio entre oferta e demanda de transporte com o uso do solo urbano. / The objective of this Thesis is to propose an alternative method of transportation planning that considers the tools available in the science of remote sensing. The perspective adopted examines aspects of urban transportation planning, having as basis the data and information coming from satellite images with high spatial resolution. The methodology uses the object-based approach to classify remote sensing satellite imagery. Through the classification process, urban features useful for transportation planning are identified, mainly areas of concentration of trip generation in the city of João Pessoa, state of Paraíba, Brazil. The proposal is that, based on these data, and others from a field research (origin/destination home-interview survey), it is possible to characterize the land use and the corresponding demand for transport. The study is justified because it proposes a more agile and less costly alternative, compared to traditional methods of building and updating the database for transport analysis. By identifying areas of the city with the largest amounts of trips generated, the results support planning actions on the transportation system, in order to achieve a balance between transport supply and demand with urban land use.

Made available in DSpace on 2016-04-26T18:17:11Z (GMT). No. of bitstreams: 1 Renato Veras Baptista.pdf: 10351172 bytes, checksum: 8dabe9208337bf77d9e7ad619d64b4f1 (MD5) Previous issue date: 2008-05-05 / Servico Social do Comercio / O presente trabalho tem como objeto a exposição "Templos Politeístas:" são fotografias panorâmicas do fotógrafo Dimitri Lee que apresenta estádios de futebol como arenas vazias e distorcidas. Faz parte do objeto um conjunto de depoimentos do fotógrafo, colhidos para um melhor entendimento de suas intenções na produção destas imagens. O trabalho analítico das imagens foi feito recorrendo-se à literatura do estudo da imagem fotográfico, da história da fotografia e da teoria da imagem, considerando conceitos como o conceito de 'estranhamento' de Viktor Shklovsky, o conceito do 'fotógrafo como funcionário e jogador 'de Vilém Flusser. A discussão sobre a presença da imagem é baseada nas reflexões de Hans Belting e Norval Baitello. Neste processo, apresentamos as imagens com destaque para as características de negação dos recursos de sedução como opção do autor, levantamos as técnicas utilizadas para à produção destas imagens, e sugerimos sistemas de classificação, como uma forma de situar estas imagens em um universo mais amplo, no qual as imagens dialogam entre si e podem ser avaliadas a partir de outras imagens

O objetivo desta Tese é a proposição de uma metodologia alternativa para planejamento de transportes que contempla as ferramentas disponíveis na ciência do sensoriamento remoto. A perspectiva adotada analisa aspectos do planejamento de transportes urbanos, tendo como embasamento os dados e informações advindos das imagens de satélite com alto poder de resolução espacial. A metodologia usa a abordagem baseada em objetos para classificar imagens de satélite de sensoriamento remoto. Através do processo de classificação, identificam-se feições urbanas úteis para o planejamento de transporte, em especial áreas de concentração de polos geradores de viagens do município de João Pessoa no estado da Paraíba, Brasil. A proposta é que com base nesses dados, e outros provenientes de uma pesquisa de campo (pesquisa domiciliar origem/destino), é possível caracterizar o uso do solo e a correspondente demanda por transportes. O estudo se justifica por propor uma alternativa mais ágil e menos onerosa, em comparação aos métodos tradicionais de construção e atualização da base de dados para análises de transportes. Ao identificar as regiões da cidade com as maiores quantidades de viagens geradas, os resultados obtidos auxiliam nas ações de planejamento do sistema de transportes, visando alcançar o equilíbrio entre oferta e demanda de transporte com o uso do solo urbano. / The objective of this Thesis is to propose an alternative method of transportation planning that considers the tools available in the science of remote sensing. The perspective adopted examines aspects of urban transportation planning, having as basis the data and information coming from satellite images with high spatial resolution. The methodology uses the object-based approach to classify remote sensing satellite imagery. Through the classification process, urban features useful for transportation planning are identified, mainly areas of concentration of trip generation in the city of João Pessoa, state of Paraíba, Brazil. The proposal is that, based on these data, and others from a field research (origin/destination home-interview survey), it is possible to characterize the land use and the corresponding demand for transport. The study is justified because it proposes a more agile and less costly alternative, compared to traditional methods of building and updating the database for transport analysis. By identifying areas of the city with the largest amounts of trips generated, the results support planning actions on the transportation system, in order to achieve a balance between transport supply and demand with urban land use.