Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/3511

Comparte esta pagina

Título : Classificação de imagens de alta resolução em ambientes de assentamentos subnormais no Município de João Pessoa
Autor : Quintans, Alex Garcia Ximenes
Palabras clave : OBIA; Assentamentos subnormais; João Pessoa; Alta resolução
Fecha de publicación : 31-ene-2011
Editorial : Universidade Federal de Pernambuco
Citación : Garcia Ximenes Quintans, Alex; da Penha Pachêco, Admilson. Classificação de imagens de alta resolução em ambientes de assentamentos subnormais no Município de João Pessoa. 2011. Dissertação (Mestrado). Programa de Pós-Graduação em Ciências Geodésicas e Tecnologia da Geoinformação, Universidade Federal de Pernambuco, Recife, 2011.
Resumen : O crescimento acelerado do processo de expansão urbana gera situações de vulnerabilidade socioambiental através do surgimento de assentamentos espontâneos, os quais são ocupados por populações de baixa renda, sem infra-estrutura nem serviços urbanos. crescimento acelerado do processo de expansão urbana gera situações de vulnerabilidade socioambiental através do surgimento de assentamentos espontâneos os quais são ocupados por populações de baixa renda e sem infra-estrutura e serviços urbanos. O presente estudo procurou identificar através de uma análise baseada em objeto (OBIA) em imagens de alta resolução identificar áreas de assentamentos subnormais resultante do crescimento do município de João Pessoa. Os bairros de Manaíra, Bairro dos Ipês e Alto do céu foram escolhidos como área de estudo por terem características urbanísticas e sociais distintas. O estudo se baseou na segmentação multiresolução e na elaboração de critérios baseados na forma, textura, cor, contexto e na relação entre super-objetos e objetos. A classificação foi estrutura em uma árvore de processo, onde documentou todo procedimento partindo da segmentação a estruturação dos critérios a associação dos objetos da imagem as classes temáticas. Possibilitando a utilização desta informação em outras imagens com característica similares. As características passíveis de serem identificadas através de imagens de sensoriamento orbital de alta resolução são referentes às propriedades urbanísticas e ambientais, que neste trabalho foram utilizadas as irregularidades de ruas, lotes não inseridos em quadras, proximidades ou invasão de áreas de proteção ambientais e leitos de rios, irregularidade tamanhos e forma das edificações. O material utilizado nesta pesquisa foi imagens do sensor QuickBird NATURAL COLOR (3 bandas multi-espectrais fusionadas com a PAN) e o software Definiens Developer 7 para segmentação e classificação. A segmentação foi estruturada em três níveis através da estratégia de classificação top-donw. As classes temáticas utilizadas foram quadras, estradas, vegetação, estradas (formal e informal), telhados vermelhos, telhados escuros, telhados/objetos claros, assentamentos subnormais e assentamentos informais. A fim de avaliar acurácia do produto gerado pela classificação foram adotados o índice de exatidão global e o coeficiente Kappa, os valores encontrados foram maiores que 80% e 0,75 respectivamente para cada método. As utilizações de informações temáticas possibilitaram uma melhor separação dos elementos asfalticos presente nas estradas e em algumas edificações, da mesma forma ocorreu entre a classe solo exposto e telhados cerâmicos. Verificou-se que os critérios estabelecidos condizem com a realidade dos assentamentos subnormais na cidade de João Pessoa. O método possibilita produzir informações sobre assentamentos subnormais coerentes com os níveis exigidos para estudos urbanos
URI : https://repositorio.ufpe.br/handle/123456789/3511
Aparece en las colecciones: Dissertações de Mestrado - Ciências Geodésicas e Tecnologias da Geoinformação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
arquivo7046_1.pdf7,93 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons