Return to search

Aplicação de métodos de classificação supervisionada em imagens do Sentinel-2, como suporte ao cadastro ambiental rural

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Planaltina , Programa de Pós-Graduação em Ciências Ambientais, 2017. / Submitted by Raquel Viana (raquelviana@bce.unb.br) on 2018-07-24T17:34:37Z
No. of bitstreams: 1
2017_RaphaelAlbertoFuhrSolari.pdf: 8787413 bytes, checksum: 25d55756045855c48e838734e8f13a85 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-07-24T19:34:55Z (GMT) No. of bitstreams: 1
2017_RaphaelAlbertoFuhrSolari.pdf: 8787413 bytes, checksum: 25d55756045855c48e838734e8f13a85 (MD5) / Made available in DSpace on 2018-07-24T19:34:55Z (GMT). No. of bitstreams: 1
2017_RaphaelAlbertoFuhrSolari.pdf: 8787413 bytes, checksum: 25d55756045855c48e838734e8f13a85 (MD5)
Previous issue date: 2018-07-24 / O Cadastro Ambiental Rural (CAR) é uma ferramenta de controle da situação ambiental rural nacional, principalmente para Áreas de Preservação Permanentes (APP) e Reservas Legais (RL). Nas análises de uso e ocupação do solo realizadas durante a elaboração do CAR, são utilizadas imagens de satélites, como não há um procedimento definido para extração de dados, esta dissertação visa avaliar seis métodos de classificação supervisionada: Spectral Angler Mapper (Mapeamento pelo Ângulo Espectral) (SAM), Spectral Correlation Mapper (Mapeamento pela Correlação Espectral) (SCM), Máxima Verossimilhança (Maxver), Minimum Distance (Distância Mínima), Mahalanobis Distance (Distância Mahalanobis), Feature Space (Feição Espacial), a partir de imagens do satélite Sentinel-2, em vinte assentamentos localizados no norte do estado do Mato Grosso. A fim de identificar o método que melhor se adeque para dar suporte ao CAR. A classificação de cada assentamento foi extraída separadamente da classificação global. Tais resultados foram analisados por meio da Matriz de Confusão, Índice Kappa, Accuracy Assessment, (Avaliação de Precisão) e Image Difference (Diferença entre Imagens), para avaliar o nível de acurácia de cada método em todos os assentamentos. Todos os métodos demonstraram ótimos resultados no nível de acurácia e Índice Kappa, mas, para suporte ao CAR, o método que apresentou melhor acurácia e variância mínima entre as classes foi o SCM. / The Environmental Rural Registry (CAR, in Portuguese) is a tool to control the national rural environmental situation, mainly for Permanent Preservation Areas (PPA) and Legal Reserves (LR). In the analysis of land use and occupation made during the elaboration of the CAR, satellite images are used. As there is no set procedure for this, this dissertation aims to test the application of six methods of supervised classification: Spectral Angle Mapper (SAM), Spectral Correlation Mapper (SCM), Maximum Likelihood (Maxver), Minimum Distance, Mahalanobis Distance, Feature Space, in images of the Sentinel-2 satellite, in twenty settlements located in the north of the state of Mato Grosso. To obtain the level of accuracy of each method, in all the individual settlements, the results were analyzed through the Confusion Matrix, Kappa Index, Accuracy Assessment, Image Difference. All methods demonstrated good averages in the Accuracy Assessment and Kappa Index. However, to be the method that gives better support to the CAR, it is necessary to present a minimum variance between the classes used in this work (vegetation and anthropized area) and to have consistent results throughout the study area. Under these conditions, the methods that obtained the best result were the Mahalanobis Distance and the SCM.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/32350
Date31 October 2017
CreatorsSolari, Raphael Alberto Fuhr
ContributorsRibeiro, Rômulo José da Costa
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.002 seconds