Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/48778
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | CANDEIAS, Ana Lúcia Bezerra | - |
dc.contributor.author | CUNHA, Guilherme Oliveira da Rocha | - |
dc.date.accessioned | 2023-01-26T15:42:30Z | - |
dc.date.available | 2023-01-26T15:42:30Z | - |
dc.date.issued | 2021-12-14 | - |
dc.date.submitted | 2023-01-25 | - |
dc.identifier.citation | CUNHA, Guilherme Oliveira da Rocha. Avaliação do potencial de imagens de radar do tipo Ground Range Detected para o mapeamento do uso e cobertura da terra na Região Costeira de Jaboatão dos Guararapes – PE. 2021. 78 f. TCC (Graduação) - Curso de Engenharia Cartográfica e de Agrimensura, Departamento de Engenharia Cartográfica e de Agrimensura, Universidade Federal de Pernambuco, Recife, 2022. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/48778 | - |
dc.description.abstract | O objetivo principal deste trabalho é avaliar o potencial das imagens de radar de abertura sintética (Synthetic Aperture Radar – SAR) do satélite Sentinel-1A, no modo de aquisição Interferometric Wide swath (IW) e tipo do produto Ground Range Detected (GRD), para o mapeamento do uso e cobertura, obtido através de uma classificação supervisionada, de uma área localizada em uma região costeira de Jaboatão dos Guararapes, município do estado de Pernambuco. Para isto foram definidas classes temáticas que incluíssem os diferentes alvos presentes na região de estudo e escolhidas amostras de treinamento destas classes a partir de imagens óticas do satélite Sentinel-2A. Para a realização da classificação supervisionada foi utilizado o Random Forest, um algoritmo classificador não-paramétrico de aprendizagem de máquina (machine learning). Também foi realizada a classificação supervisionada através do mesmo algoritmo para as imagens óticas com o intuito de realizar a comparação da qualidade com métodos tradicionais de classificação. Os resultados foram expressos como mapas, matrizes e índices que permitiram avaliar o desempenho das classificações usando as distintas fontes de dados, apresentando resultados satisfatórios de acordo com o objetivo deste trabalho. Concluiu-se que apesar de demonstrar um desempenho menor que as imagens óticas, as imagens de radar podem ser usadas com objetivo de mapeamento de uma área costeira, e seu desempenho classificatório pode ser ampliado através de estudos aprofundados sobre a interação dos pulsos de radar com os diferentes objetos presentes na superfície terrestre. | pt_BR |
dc.format.extent | 78p. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Engenharia cartográfica | pt_BR |
dc.subject | Sentinel-1A | pt_BR |
dc.subject | Áreas costeiras | pt_BR |
dc.subject | Ground Range Detected | pt_BR |
dc.subject | Random Forest | pt_BR |
dc.subject | Classificação supervisionada | pt_BR |
dc.title | Avaliação do potencial de imagens de radar do tipo Ground Range Detected para o mapeamento do uso e cobertura da terra na Região Costeira de Jaboatão dos Guararapes – PE | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/9024362153021480 | pt_BR |
dc.degree.level | Graduacao | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/4950530398212920 | pt_BR |
dc.description.abstractx | The main objective of this work is to evaluate the potential of Synthetic Aperture Radar (SAR) images from Sentinel-1A satellite, in Interferometric Wide swath (IW) acquisition mode and Ground Range Detected (GRD) product type, for mapping the use and coverage, obtained through a supervised classification, of an area located in a coastal region of Jaboatão dos Guararapes, a municipality in the state of Pernambuco. For this purpose, thematic classes were defined that included the different targets present in the study region and training samples of these classes were chosen from optical images of the Sentinel-2A satellite. To carry out the supervised classification, Random Forest, a non-parametric machine learning classification algorithm, was used. Supervised classification was also performed using the same algorithm for optical images in order to compare the quality with traditional classification methods. The results were expressed as maps, matrices and indexes that allowed evaluating the performance of classifications using different data sources, presenting satisfactory results in accordance with the objective of this work. It was concluded that despite showing a lower performance than optical images, radar images can be used for the purpose of mapping a coastal area, and their classification performance can be expanded through in-depth studies on the interaction of radar pulses with the different objects present on the Earth's surface. | pt_BR |
dc.subject.cnpq | Áreas::Outros::Engenharia Cartográfica | pt_BR |
dc.degree.departament | ::(CTG-DECart) - Departamento de Engenharia Cartográfica | pt_BR |
dc.degree.graduation | ::CTG-Curso de Engenharia Cartográfica | pt_BR |
dc.degree.grantor | Universidade Federal de Pernambuco | pt_BR |
dc.degree.local | Recife | pt_BR |
Aparece nas coleções: | (TCC) - Engenharia Cartográfica e Agrimensura |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
GUILHERME OLIVEIRA DA ROCHA CUNHA.pdf | 6,84 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons