Submitted by Samira Prince (prince@ufpa.br) on 2012-08-27T16:41:46Z
No. of bitstreams: 2
Dissertacao_ClassificacaoAutomaticaCobertura.pdf: 2445419 bytes, checksum: e7f1cfe896d568c998340b4f78b5fde7 (MD5)
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Approved for entry into archive by Samira Prince(prince@ufpa.br) on 2012-08-27T16:42:20Z (GMT) No. of bitstreams: 2
Dissertacao_ClassificacaoAutomaticaCobertura.pdf: 2445419 bytes, checksum: e7f1cfe896d568c998340b4f78b5fde7 (MD5)
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Made available in DSpace on 2012-08-27T16:42:20Z (GMT). No. of bitstreams: 2
Dissertacao_ClassificacaoAutomaticaCobertura.pdf: 2445419 bytes, checksum: e7f1cfe896d568c998340b4f78b5fde7 (MD5)
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Previous issue date: 2011 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Neste trabalho é apresentado um modelo de redes neurais que será utilizado
como ferramenta para uso no planejamento energético e na construção de cenários
energéticos através da identificação e agrupamento de pixels representativos de
classes de água, vegetação e antropização no entorno do reservatório de Tucuruí,
Estado do Pará (bacia do rio Tocantins). Para o estudo, foram utilizadas fotografias
aéreas ortorretificadas e um recorte da imagem do satélite Landsat, ambos obtidos
em agosto de 2001 e classificados utilizando a métrica da mínima distância no
software Matlab 7.3.0 (Matrix Laboratory - software de matemática aplicada) e no
Arcview 3.2a (programa de Sistemas de Informações Geográficas). Para
classificação da área no Matlab, foram utilizadas redes neurais competitivas, mais
especificamente as redes de Kohonen que são caracterizadas por realizar um
mapeamento de um espaço de dimensão n (número de entradas) para um espaço
de dimensão m (número de saídas). Os resultados obtidos no classificador utilizando
rede neural e no classificador do Arcview foram semelhantes, mas houve uma
divergência no que diz respeito à imagem de alta e média resolução que pode ser
justificada pelo fato de que a imagem de alta resolução espacial ocasiona muita
variação espectral em algumas feições, gerando dificuldades nas classificações.
Esse classificador automático é uma ferramenta importante para identificar
oportunidades e potenciais a serem desenvolvidos na construção de cenários
energéticos programados. Os resultados deste trabalho confirmam que a imagem de
média resolução ainda é a mais indicada para resolver a maioria dos problemas que
envolvem identificação de cobertura do solo para utilização em planejamento
energético. / In this work, a model of neural network for energy planning and
construction of energy scenarios is presented. This model permited
the identification and clustering of representative pixels of water,
vegetation, and anthropic impact around Tucuruí reservoir, located in
the Tocantins River basin , (State of Pará, Brazil) . The database
consisted in orthorectified aerial photographs and clipping of Landsat
satellite’s images. Both were obtained in August 2001 and the two set
of images were classified using the method of metric of the minimum
distance with Matlab 7.3.0 (Matrix Laboratory – Applied mathematics
software) and Arcview 3.2a (Geographic Information Systems Program).
Then a competitive neural networks of Kohonen was used to classify the
different areas in Matlab. This specific network allowed to map the
area in n-dimension (number of entries) for a m-dimensional space
(number of outputs). The results obtained with Matlab were compared
with the output of Arcview classifier software. The results obtained
using the neural network in Matlab and the Arcview classifier were
similar, but some differences between the images in high and medium
resolution were observed; these differences can be justified by the
fact that the images in high spatial resolution cause many spectral
variations in some features, creating ratings problems. This
automatic classifier appears to be a good tool for the
identification of the biomass potential for the construction of
energy scenarios. The results of this work could confirm that the
images in medium-resolution are the most suitable to solve the most of
problems which involve the identification of land cover for energy
planning.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpa.br:2011/2895 |
Date | 20 January 2011 |
Creators | SANTOS, Neuma Teixeira dos |
Contributors | ROCHA, Brigida Ramati Pereira da |
Publisher | Universidade Federal do Pará, Programa de Pós-Graduação em Engenharia Elétrica, UFPA, Brasil, Instituto de Tecnologia |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFPA, instname:Universidade Federal do Pará, instacron:UFPA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0168 seconds