Tese (doutorado)—Universidade de Brasília, Instituto de Geociências, 2017. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2017-07-28T14:50:08Z
No. of bitstreams: 1
2017_DenilsonPereiraPasso.pdf: 6897713 bytes, checksum: 384ffa46e3337ca7131df15652885de4 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-08-24T18:46:39Z (GMT) No. of bitstreams: 1
2017_DenilsonPereiraPasso.pdf: 6897713 bytes, checksum: 384ffa46e3337ca7131df15652885de4 (MD5) / Made available in DSpace on 2017-08-24T18:46:39Z (GMT). No. of bitstreams: 1
2017_DenilsonPereiraPasso.pdf: 6897713 bytes, checksum: 384ffa46e3337ca7131df15652885de4 (MD5)
Previous issue date: 2017-08-24 / O solo tem papel fundamental para diversas atividades do homem, representando a base da produção na agricultura e é um dos principais atores para a produção de alimentos, por isso a importância de sua conservação. Um dos principais impactos ambientais responsáveis pela degradação dos solos é a erosão, acelerados pela ação antrópica. Estudos em torno dos focos erosivos vêm sendo desenvolvidos há muitos anos por diversos pesquisadores, normalmente, baseados em equações empíricas aplicadas a estudos de perda laminar, entretanto, existe uma grande lacuna nos estudos referentes à localização e ao mapeamento automático dos Focos Erosivos Lineares (FELs). O controle e monitoramento desses focos requerem medidas efetuadas in situ, causando, inevitavelmente, grande movimentação de pessoas e equipamentos nas bordas e interior dos mesmos, agravando-os ainda mais, além do risco para os executores destas atividades. Uma alternativa para localização e monitoramento de FELs é a utilização do sensoriamento remoto, baseada na classificação automática de imagens de alta resolução espacial com análise geográfica de imagens baseada em objeto (GEOBIA). Esta abordagem possibilita a modelagem do conhecimento humano referente às características específicas dos alvos, como brilho, textura, formato, contexto, tamanho, relações de vizinhança, entre outros, além da possibilidade de integração com algoritmos de mineração de dados, contribuindo com uma ferramenta para auxiliar as análises anteriores às atividades de campo. O presente trabalho teve como objetivo principal desenvolver ErObject - aplicativo para análise geográfica de imagens baseada em objeto, visando identificar e delimitar de forma automática, áreas susceptíveis ao desenvolvimento de focos erosivos lineares, a partir da classificação de imagens de satélite óticas e Modelos Digitais de Elevação (MDE). Para isto, foram desenvolvidas duas rotinas: a) árvores de decisão, com o uso de mineração de dados para localização indireta, por meio de modelagem matemática de áreas com susceptibilidade a ocorrências FELs; e b) árvores de decisão para delimitação automática de FEL, dentro das áreas susceptíveis, resultado da rotina “a”. Com as árvores construídas, o passo seguinte foi implementar, em MATLAB®, ErObject, que executa as árvores construídas, localizando FELs, em qualquer imagem de entrada. Testes para checar a eficiência de ErObject demonstraram boa correlação com mapeamentos de áreas susceptíveis a FELs realizados em áreas-teste com o software InterIMAGE, ferramenta de classificação baseada em objeto, open source. Para avaliação dos mapeamentos, foi realizada uma verificação da exatidão genérica (non-site specific accuracy), que efetua a comparação entre a área da classificação dos mapas gerados e os dados de referência (dados de campo). A exatidão também foi verificada por meio de coeficientes de concordância extraídos da matriz de confusão. Os dois métodos de avaliação alcançaram altos valores de assertividade da classificação. ErObject também se mostrou eficiente para construção independente de árvores de decisão para avaliação de outras áreas. O programa encontra-se disponível no endereço github.com/geodenilson/ERObject e pode ser modificado ou utilizado para outras aplicações e análises. / Soil plays an essential role in a number of our activities. It is the base for agricultural production and one of the main actors in producing food, therefore, it is important to preserve it. One of the main environmental impacts responsible for degradation of the soil is erosion, accelerated by the effects of entropy. Studies on erosion have been carried out for years by a number of researchers. Most of these studies apply empirical data to the study of laminar loss, however, there is a huge gap in studies on location and automatic mapping of Gully Erosion Hotspots (GEH). Controlling and monitoring these processes requires performing measures in situ, inevitably causing movements of a large number of people and equipment in and around the erosion areas, creating further risk of erosion as well as posing a risk to those carrying out these activities. One alternative for locating and monitoring GEH is using remote sensing based on automatic classification of high resolution spatial images with geographic analysis of object-based images (GEOBIA). This approach provides a model of human knowledge to be applied to specific features of the target such as brightness, texture, shape, context, size, relation to surrounding areas and more. It also integrates with data mining algorithms, assisting in previous analyses from field activities. The main objective of this paper is to develop ErObject – an application used for the geographic analysis of object-based images which automatically identifies and delimits areas susceptible to linear erosion through the classification of optical satellite images and Digital Elevation Models (DEM). Two steps were developed to accomplish this: a) decision trees (together with data mining for indirect locations) using mathematical models of areas susceptible to GEH; and b) decision trees for automatic GEH delimitation within the susceptible areas from step “a”. Once the trees have been built, the next step is to implement ErObject in MATLAB® to execute the built trees and locate the GEH in an image. Tests checking the efficiency of ErObject showed good correlation with the mappings of GEH susceptible areas carried out in test areas with InterIMAGE software, a tool for object-based classification; open source. General accuracy verification non-site specific accuracy was used to evaluate the maps and compare the classification area of generated maps to the reference data (field data). Accuracy was also verified using coefficients of concordance extracted from the confusion matrix. Both evaluation methods achieved highly accurate values of classification ErObject also effectively built independent decision trees for evaluating other areas. The program is available at the following address: github.com/geodenilson/ERObject and may be modified or used for other applications or analyses.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/24270 |
| Date | 26 May 2017 |
| Creators | Passo, Denilson Pereira |
| Contributors | Bias, Edilson de Souza |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
| Rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data., info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds