Resumo: Devido ao seu caráter sinóptico e repetitivo, as imagens de satélite constituem-se em um recurso valioso no processo de mapear e monitorar a dispersão de plantas aquáticas em reservatórios de hidrelétricas, cuja ocorrência é um problema de importância crescente no Brasil. Considerando que a disponibilidade de imagens multiespectrais e multitemporais representa o registro de um fenômeno particularmente importante no contexto da utilização da água para geração de energia, a proposta deste trabalho é buscar um método que permita usar dados multiespectrais adquiridos em diferentes momentos do tempo para caracterizar a infestação por plantas aquáticas em reservatórios. Para isso, foram utilizadas técnicas de análise de imagens multiespectrais e geoestatística, no sentido de se obter um modelo do comportamento, no espaço e no tempo, da ocorrência dessas plantas aquáticas. No entanto, a modelagem da distribuição espaço-temporal de fenômenos dinâmicos não é trivial, principalmente quando a variável deve ser analisada em diferentes domínios: multiespectral, espacial e temporal. Para verificar a hipótese de que a abordagem geoestatística é aplicável neste contexto, foi realizado um experimento utilizando imagens multiespectrais, de diferentes sensores e satélites, abrangendo o Reservatório de Salto Grande em Americana/SP. O conjunto de dados foi submetido a uma série de pré-processamentos a fim de garantir a consistência geométrica e radiométrica das análises, bem como diminuir sua dimensionalidade no domínio multiespectral. Em seguida, foram ajustadas as componentes (ou modelos) espacial e temporal, separadamente, e integradas em um único modelo espaço-temporal, que caracteriza a estrutura da dispersão espaçotemporal do fenômeno. Por fim, o modelo obtido foi utilizado na previsão do fenômeno em um futuro próximo através de uma interpolação por krigagem. / Abstract: Due to their synoptic and repetitive character, the satellite images consist in a valuable resource in the mapping and monitoring process of the aquatic plants dispersion in hydroelectric reservoirs, whose occurrence is an increasing importance problem in Brazil. Considering that multispectral and multitemporal images availability represent a particularly important phenomenon register in the use of water for energy generation context, this work proposes the establishment of a method to use multispectral data acquired at different moments of the time to characterize aquatic plants infestation in reservoirs. Multispectral images analysis and geostatistics techniques are used aiming the construction of an aquatic plants occurrence behavior space-time model. However, the space-time modeling of dynamic phenomena distribution is not trivial, principally when the variable must be analyzed in different domains: multispectral, spatial and temporal. To verify the hypothesis that geostatistics approach is applicable in this context, an experiment was performed using multispectral images, of different sensors and satellites, enclosing Salto Grande reservoir, Americana, São Paulo, Brazil. Data set was submitted to a series of preprocessing in order to certify the geometric and radiometric consistency of the analyses, as well as reducing its dimensionality in the multispectral domain. After that, the spatial and temporal components (or models) were adjusted, separately, and integrated in a space-time model, who characterizes the phenomenon spacetime dispersion structure. Finally, space-time model was used to forecast... (Complete abstract click electronic access below) / Orientador: Maria de Lourdes Bueno Trindade Galo / Coorientador: Vilma Mayumi Tachibana / Banca: Edivaldo Domingues Velini / Banca: Paulo Justiniano Ribeiro Júnior / Mestre
Identifer | oai:union.ndltd.org:UNESP/oai:www.athena.biblioteca.unesp.br:UEP01-000477385 |
Date | January 2006 |
Creators | Lima, Daniel Luís de. |
Contributors | Universidade Estadual Paulista "Júlio de Mesquita Filho" Faculdade de Ciências e Tecnologia. |
Publisher | Presidente Prudente : [s.n.], |
Source Sets | Universidade Estadual Paulista |
Language | Portuguese |
Detected Language | Portuguese |
Type | text |
Format | 99 f. : |
Relation | Sistema requerido: Adobe Acrobat Reader |
Page generated in 0.0023 seconds