RDBU| Repositório Digital da Biblioteca da Unisinos

Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos

Mostrar registro simples

Autor Ruppenthal, Ana Caroline;
Lattes do autor http://lattes.cnpq.br/8005125320180346;
Orientador Schulz, Uwe Horst;
Lattes do orientador http://lattes.cnpq.br/6474240798904132;
Instituição Universidade do Vale do Rio dos Sinos;
Sigla da instituição Unisinos;
País da instituição Brasil;
Instituto/Departamento Escola Politécnica;
Idioma pt_BR;
Título Predição de bandas espectrais e classificação de imagens de satélite para identificação e mapeamento de áreas úmidas: um estudo de caso na Bacia Hidrográfica do Rio dos Sinos;
Resumo As Áreas Úmidas (AUs) são ecossistemas que possuem alta biodiversidade e produtividade, além de promoverem múltiplos serviços ecossistêmicos de importância global. No Rio Grande do Sul as AUs são conhecidas pelo termo local “banhados”. Estes ecossistemas, embora sejam amplamente reconhecidos, ainda são negligenciados e degradados. A Bacia Hidrográfica do Rio dos Sinos (BHRS) vêm sofrendo pressões antrópicas constantes que resultam na degradação das AUs devido, principalmente, ao aumento populacional que demanda áreas habitáveis. Neste contexto, é de extrema urgência a necessidade de elaborar estratégias de conservação das AUs na bacia hidrográfica. Por serem ecossistemas complexos devido as suas características de hidrologia, solo, vegetação e espectrais, o Sensoriamento Remoto (SR) se mostra como uma ferramenta eficiente na identificação e mapeamento das AUs, gerando subsídios para o poder público criar estratégias de proteção e fiscalização. Deste modo, esta dissertação teve como objetivos i) delimitar as AUs remanescentes da BHRS com uso de imagens centimétricas GeoEye-1 e SIG gratuito; ii) aferir as AUs com uso de Veículo Aéreo Não Tripulado (VANT); iii) propor um método para predizer bandas espectrais a partir de imagem RGB de resolução centimétrica por meio de Rede Neural Artificial (RNA), com o intuito de gerar uma imagem com alta resolução espacial e mais alta resolução espectral para posterior classificação de AUs; e iv) elaborar um guia de identificação de AUs da BHRS, com apresentação de um método de aferição dos indicadores de AUs em campo. Os resultados mostraram que o uso de imagens centimétricas eleva a precisão do mapeamento de AUs, sendo que uma área total de 93,11km² foi mapeada. A predição de bandas espectrais com uso de RNA foi capaz de gerar uma imagem com resolução espacial (2m) e espectral (RGB+NIR+RE 1,2,3,4 + SWIR 1 e 2). A imagem predita gerou uma melhor delimitação das AUs quando comparada a imagem bruta (RGB+NIR). Por fim, o Guia de Identificação de Banhados trouxe uma base científica e técnica para identificação das AUs em campo. Concluiu-se que os resultados deste trabalho servirão como subsídio para a complementação do planejamento ambiental da BHRS e a conservação das AUs remanescentes.;
Abstract Wetlands are ecosystems that have high biodiversity and productivity, in addition to promoting multiple ecosystem services of global importance. In Rio Grande do Sul, wetlands are known by the local term “banhados”. These ecosystems, although widely recognized, are still neglected and degraded. The Rio dos Sinos Hydrographic Basin (BHRS) has been suffering constant anthropogenic pressures that result in the degradation of wetlands, mainly due to the population increase that demands habitable areas. In this context, the need to develop conservation strategies for wetlands in the hydrographic basin is extremely urgent. As they are complex ecosystems due to their hydrology, soil, vegetation and spectral characteristics, Remote Sensing (SR) is an efficient tool in the identification and mapping of wetlands, generating subsidies for the public authorities to create protection and inspection strategies. Thus, this dissertation aimed to i) delimit the remaining wetlands of the BHRS using centimetric images GeoEye-1 and free GIS; ii) measure wetlands using an Unmanned Aerial Vehicle (UAV); iii) to propose a method to predict spectral bands from a centimeter-resolution RGB image by means of Artificial Neural Network (ANN), in order to generate an image with high spatial resolution and higher spectral resolution for subsequent classification of wetlands; and iv) prepare a guide for identifying BHRS wetlands, presenting a method for measuring wetland indicators in the field. The results showed that the use of centimetric images increases the accuracy of wetland mapping, with a total area of 93.11km² being mapped. The prediction of spectral bands using ANN was able to generate an image with spatial (2m) and spectral resolution (RGB+NIR+RE 1,2,3,4 + SWIR 1 and 2). The predicted image generated a better delimitation of wetlands when compared to the raw image (RGB+NIR). Finally, the Wetlands Identification Guide provided a scientific and technical basis for identifying wetlands in the field. It was concluded that the results of this work will serve as a subsidy to complement the environmental planning of the BHRS and the conservation of the remaining wetlands.;
Palavras-chave Áreas úmidas; Sensoriamento remoto; Redes neurais artificiais; Inteligência artificial; Classificação supervisionada; Wetlands; Remote sensing; Artificial neural networks; Artificial intelligence; Supervised classification;
Área(s) do conhecimento ACCNPQ::Ciências Biológicas::Biologia Geral;
Tipo Dissertação;
Data de defesa 2021-08-19;
Agência de fomento Nenhuma;
Direitos de acesso openAccess;
URI http://www.repositorio.jesuita.org.br/handle/UNISINOS/10086;
Programa Programa de Pós-Graduação em Biologia;


Arquivos deste item

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Buscar

Busca avançada

Navegar

Minha conta

Estatística