O crescimento descontrolado ocorrido nas atuais metrópoles de países em desenvolvimento requer intensos mapeamentos para a atualização da base de dados geográfica. O intenso processo de urbanização vivido na cidade de São Paulo desde os anos 70 ilustra bem esse cenário. Apesar de existirem levantamentos aéreos e, mais recentemente, imagens de satélite com alta resolução espacial, a necessidade de informações geográficas precisas, rápidas e menos onerosas é, mais do que nunca, um fato. Nesse sentido, a classificação automatizada de imagens de alta resolução espacial tem demonstrado resultados insatisfatórios ao utilizar classificadores pixel a pixel, em especial para áreas urbanas. O crescente sucesso da classificação de imagens baseada em objetos tem estimulado pesquisadores a criar novos meios de superar a limitação das tradicionais técnicas de classificação de imagens. A idéia central da classificação de imagens orientada a objetos é extrair objetos primitivos a partir das imagens e utilizar suas informações para a composição de regras e estratégias a serem aplicadas no processo classificatório. Além da análise espectral, a classificação de imagens baseada em objetos permite envolver análises geométricas e contextuais. Este trabalho reporta o uso da classificação baseada em objetos para detecção da malha viária, aplicado na periferia urbana da cidade de São Paulo. Áreas de ocupação irregular compõem a maior parte da área selecionada para o estudo, sendo que a malha viária reflete bem o padrão de ocupação não planejada dessa região. As ruas são em geral geometricamente irregulares e com diferentes tipos de pavimentação. Detectar a malha viária com base nessas características foi o desafio maior deste trabalho, que teve, como hipótese, a viabilidade do emprego da classificação orientada a objetos para essa finalidade. A metodologia apresentada utiliza uma imagem multiespectral do satélite IKONOS II. Como primeiros passos, processou-se a segmentação e calcularam-se as componentes principais. Classes auxiliares como áreas impermeabilizadas e áreas de solo exposto foram computadas utilizando funções apropriadas. Em suma, a partir das informações geométricas dos objetos, como largura, comprimento, coeficiente de assimetria, área, entre outros, alguns objetos foram selecionados como representantes da malha viária, e então analisados perante a informação contextual, para que fossem classificados como vias pavimentadas e vias não pavimentadas. Os resultados foram analisados mediante três diferentes métodos: 1) inspeção visual, na qual foi analisada qualitativamente a aderência entre as vias extraídas e as vias reais; 2) acurácia da classificação, através de comparações entre a malha viária detectada e a de referência, que forneceu parâmetros estatísticos de qualidade da classificação, como os erros de comissão e omissão ; 3) análise linear comparativa, a qual forneceu parâmetros como integridade (ou completeza) e precisão da malha viária detectada utilizando linhas referenciais e linhas extraídas dos polígonos das vias detectadas, obtidos por morfologia matemática. Considerando o alto grau de heterogeneidade das feições presentes na área de estudo, a acurácia geral alcançada foi boa. Embora a metodologia não tenha produzido um mapa viário, no sentido próprio da palavra, o uso combinado de imagens multispectrais de alta resolução espacial e da classificação baseada em objetos mostrou que a metodologia pode ser utilizada para minerar dados relativos a malha viária e produzir informações significantes para auxiliar a tomada de decisões. / Uncontrolled sprawl occurring in large cities of developing countries requires intensive mapping efforts to update geodatabases. The intense urbanization process experienced since the 70\'s in Sao Paulo city illustrates very well the reported scenario. Despite aerial data and, more recent, high spatial resolution satellite data which have been employed as basis for mapping, the need for precise, faster and cheaper mapping efforts is real. In this sense, automated classification of high resolution imagery has demonstrated unsatisfactory results when traditional per-pixel classifiers are used, especially for urban areas. The increasing success of object-based classification has stimulated researchers to create new methodologies to overcome this shortcoming of traditional approaches. The object-based image classification\'s idea is extract object-primitives from images and then use their information to compose rules and strategies to be applied on the classification process. Beyond the spectral analysis, geometric, and contextual analysis are also addressed on object-based classification. This work reports the use of object-based image classification applied on road detection over the suburban area of Sao Paulo city. Informal settlements compose the most part of the study area and the transportation network reflects the unplanned occupation. Roads are geometrically irregular and with different kind of pavements. Detecting roads based on these characteristics was the biggest challenge faced here, and this work hypothesizes object-based classification can be used to. The methodology presented employs an IKONOS II data. At first, principal components and segmentation were computed and then auxiliary data for impervious surface and bare soil areas were previously calculated from customized features. In short, based on geometric information as width, length, asymmetry, area, and more, objects were elected as road and then analyzed through contextual information as paved road or unpaved road. Results were analyzed under three different ways: 1) visual inspection, where the adherence between extracted road and real ones provided a good indicator for qualitative analysis ; 2) classification accuracy, by comparing detected road areas and referential ones, which provided statistical parameters for quality as omission and commission error ; 3) linear comparative analysis, which provided parameters as correctness and completeness using referential lines and lines arose from extracted areas based on mathematical morphology tools. Regarding the high degree of heterogeneity of features present on study area, the overall accuracy reached is good. Despite the methodology did not produce a road map, the results shown the combined use of high resolution multi-spectral imagery and object-based classification can effectively mine road features, producing significant information to support decision makers.

O crescimento descontrolado ocorrido nas atuais metrópoles de países em desenvolvimento requer intensos mapeamentos para a atualização da base de dados geográfica. O intenso processo de urbanização vivido na cidade de São Paulo desde os anos 70 ilustra bem esse cenário. Apesar de existirem levantamentos aéreos e, mais recentemente, imagens de satélite com alta resolução espacial, a necessidade de informações geográficas precisas, rápidas e menos onerosas é, mais do que nunca, um fato. Nesse sentido, a classificação automatizada de imagens de alta resolução espacial tem demonstrado resultados insatisfatórios ao utilizar classificadores pixel a pixel, em especial para áreas urbanas. O crescente sucesso da classificação de imagens baseada em objetos tem estimulado pesquisadores a criar novos meios de superar a limitação das tradicionais técnicas de classificação de imagens. A idéia central da classificação de imagens orientada a objetos é extrair objetos primitivos a partir das imagens e utilizar suas informações para a composição de regras e estratégias a serem aplicadas no processo classificatório. Além da análise espectral, a classificação de imagens baseada em objetos permite envolver análises geométricas e contextuais. Este trabalho reporta o uso da classificação baseada em objetos para detecção da malha viária, aplicado na periferia urbana da cidade de São Paulo. Áreas de ocupação irregular compõem a maior parte da área selecionada para o estudo, sendo que a malha viária reflete bem o padrão de ocupação não planejada dessa região. As ruas são em geral geometricamente irregulares e com diferentes tipos de pavimentação. Detectar a malha viária com base nessas características foi o desafio maior deste trabalho, que teve, como hipótese, a viabilidade do emprego da classificação orientada a objetos para essa finalidade. A metodologia apresentada utiliza uma imagem multiespectral do satélite IKONOS II. Como primeiros passos, processou-se a segmentação e calcularam-se as componentes principais. Classes auxiliares como áreas impermeabilizadas e áreas de solo exposto foram computadas utilizando funções apropriadas. Em suma, a partir das informações geométricas dos objetos, como largura, comprimento, coeficiente de assimetria, área, entre outros, alguns objetos foram selecionados como representantes da malha viária, e então analisados perante a informação contextual, para que fossem classificados como vias pavimentadas e vias não pavimentadas. Os resultados foram analisados mediante três diferentes métodos: 1) inspeção visual, na qual foi analisada qualitativamente a aderência entre as vias extraídas e as vias reais; 2) acurácia da classificação, através de comparações entre a malha viária detectada e a de referência, que forneceu parâmetros estatísticos de qualidade da classificação, como os erros de comissão e omissão ; 3) análise linear comparativa, a qual forneceu parâmetros como integridade (ou completeza) e precisão da malha viária detectada utilizando linhas referenciais e linhas extraídas dos polígonos das vias detectadas, obtidos por morfologia matemática. Considerando o alto grau de heterogeneidade das feições presentes na área de estudo, a acurácia geral alcançada foi boa. Embora a metodologia não tenha produzido um mapa viário, no sentido próprio da palavra, o uso combinado de imagens multispectrais de alta resolução espacial e da classificação baseada em objetos mostrou que a metodologia pode ser utilizada para minerar dados relativos a malha viária e produzir informações significantes para auxiliar a tomada de decisões. / Uncontrolled sprawl occurring in large cities of developing countries requires intensive mapping efforts to update geodatabases. The intense urbanization process experienced since the 70\'s in Sao Paulo city illustrates very well the reported scenario. Despite aerial data and, more recent, high spatial resolution satellite data which have been employed as basis for mapping, the need for precise, faster and cheaper mapping efforts is real. In this sense, automated classification of high resolution imagery has demonstrated unsatisfactory results when traditional per-pixel classifiers are used, especially for urban areas. The increasing success of object-based classification has stimulated researchers to create new methodologies to overcome this shortcoming of traditional approaches. The object-based image classification\'s idea is extract object-primitives from images and then use their information to compose rules and strategies to be applied on the classification process. Beyond the spectral analysis, geometric, and contextual analysis are also addressed on object-based classification. This work reports the use of object-based image classification applied on road detection over the suburban area of Sao Paulo city. Informal settlements compose the most part of the study area and the transportation network reflects the unplanned occupation. Roads are geometrically irregular and with different kind of pavements. Detecting roads based on these characteristics was the biggest challenge faced here, and this work hypothesizes object-based classification can be used to. The methodology presented employs an IKONOS II data. At first, principal components and segmentation were computed and then auxiliary data for impervious surface and bare soil areas were previously calculated from customized features. In short, based on geometric information as width, length, asymmetry, area, and more, objects were elected as road and then analyzed through contextual information as paved road or unpaved road. Results were analyzed under three different ways: 1) visual inspection, where the adherence between extracted road and real ones provided a good indicator for qualitative analysis ; 2) classification accuracy, by comparing detected road areas and referential ones, which provided statistical parameters for quality as omission and commission error ; 3) linear comparative analysis, which provided parameters as correctness and completeness using referential lines and lines arose from extracted areas based on mathematical morphology tools. Regarding the high degree of heterogeneity of features present on study area, the overall accuracy reached is good. Despite the methodology did not produce a road map, the results shown the combined use of high resolution multi-spectral imagery and object-based classification can effectively mine road features, producing significant information to support decision makers.

完善的崩塌地資料庫有助於地區土地利用的適宜性評估、與環境保護措施之研訂。目前，崩塌地地理空間資料(Geospatial data)的產生方法主要為：人為判釋經正射糾正(Ortho-rectification)的遙測影像，基於該影像，將辨識目標數位化(Digitizing)。然而，遙測影像的「正射糾正」與「人為判釋」往往不敷災後的緊急需求。為促進資料收集效率，本研究試圖發展一套自動化流程：以「未經糾正的遙測影像」為判釋對象，判釋作業以「物件式影像分類(Object-based classification)技術」進行，並利用「現存地形資料」，實現自動判釋所產生之辨識成果的地理對位(Georeferencing)與過濾篩選；最後，以「與現存各類輔助資料的套疊分析成果」為其屬性，以便利崩塌地地理空間資料的後續應用。 物件式影像分類分為為「影像分割(Image segmentation)」與「物件分類」兩步驟。於影像分割階段，採用多重解析度分割法(Multiresolution segmentation algorithm)─由於陰影下各類地物的影像光譜差異較不明顯，為避免陰影區之錯誤分割，賦予陰影區較小的尺度參數(Scale parameter)；於物件分類階段，基於訓練資料，以「線性核函數的支持向量機(Support Vector Machine, SVM, with a linear kernel)」為分類器，偵測「非雲與植被區」，並輸出為向量式資料(Vector data)。而後基於現存地形資料，以光線追蹤法(Ray-tracing algorithm)進行分類器輸出向量式資料的地理對位，並自訂第二階段的地形特徵過濾準則。實驗成果顯示，此自動化流程產出的崩塌地地理空間資料─其生產者精度(Producer’s accuracy)與使用者精度(User’s accuracy)分別介於0.85~0.99與0.44~0.96。

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.

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.