Detecção automática de voçorocas a partir da análise de imagens baseada em objetos geográficos - GEOBIA

Página do item simplificado
dc.contributor.advisorPissarra, Teresa Cristina Tarlé
dc.contributor.authorUtsumi, Alex Garcez [UNESP]
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2019-06-05T15:19:25Z
dc.date.available2019-06-05T15:19:25Z
dc.date.issued2019-05-16
dc.description.abstractA voçoroca é o estágio mais avançado da erosão hídrica, causando inúmeros prejuízos para o meio ambiente e para o homem. Devido à extensão desse fenômeno e a dificuldade de acesso em campo, as técnicas de detecção automática de voçorocas têm despertado interesse, especialmente por meio da Análise de Imagens Baseada em Objetos Geográficos (GEOBIA). O objetivo desse trabalho foi mapear voçorocas utilizando a GEOBIA a partir de imagens RapidEye e dados SRTM, em duas regiões localizadas em Uberaba, Minas Gerais. Para isso, foi proposto aplicar o Índice de Avaliação da Segmentação (SEI) na etapa de segmentação da imagem. A criação das regras para detecção das voçorocas foi realizada de forma empírica, no software InterIMAGE, e de forma automática, a partir do algoritmo de árvore de decisão. A avaliação da acurácia foi realizada por meio dos coeficientes de concordância extraídos da matriz de confusão e, adicionalmente, a partir da sobreposição com dados de referência vetorizados manualmente. O índice SEI proporcionou a criação de objetos semelhantes às voçorocas, permitindo a extração de atributos específicos desses alvos. As regras de classificação do modelo empírico permitem detectar voçorocas nas duas áreas de estudos, ainda que essas feições ocupem uma pequena porção da cena. Os modelos empíricos alcançaram resultados satisfatórios: índice Kappa de 0,74 e F-measure de 53,46% na área 1, e índice Kappa de 0,73 e F-measure de 55,95% na área 2. A informação altimétrica mostrou ser um importante parâmetro para a detecção das voçorocas, de modo que ao retirar a declividade dos modelos empíricos houve redução do índice F-measure em 34,90% na área 1 e 28,65% na área 2. Os modelos gerados pelos algoritmos de árvore de decisão apresentaram desempenho inferior em função do número de voçorocas disponíveis para o treinamento do algoritmo e da impossibilidade de criar uma segmentação específica para cada classe de uso e cobertura do solo.pt
dc.description.abstractGully is the most advanced stage of water erosion, causing numerous damages to the environment and man. Due to the extension of this phenomenon and the difficulty of access in the field, automatic gully detection techniques have aroused interest, especially through Geographic Object Based Image Analysis (GEOBIA). The objective of this work was to map gullies using GEOBIA from RapidEye images and SRTM data, in two regions located in Uberaba, Minas Gerais. It was proposed to apply the Segmentation Evaluation Index (SEI) in the image segmentation stage. The rule set creation for gully detection was made empirically in the InterIMAGE software, and automatically, from the decision tree algorithm. The accuracy assessment was performed based on concordance coefficients extracted from the confusion matrix and, additionally, overlapping manually digitized reference data. The SEI index allowed the creation of objects similar to real gullies, providing the extraction of specific attributes of these targets. Empirical model rule set allowed gully detection on both study areas, although these features occupied a small portion of the scene. Empirical models have achieved very good results: Kappa index of 0.74 and F-measure of 53.46% in area 1, and Kappa index of 0.73 and F-measure of 55.95% in area 2. Altimetric information proved to be an important parameter for gully detection, since slope removal from the empirical models reduced the F-measure index by 34,90% in area 1 and 28,65% in area 2. The rule set generated by decision tree presented lower performance due to the number of gullies available for algorithm training and the impossibility of creating a specific segmentation for each land use/cover class.en
dc.identifier.aleph000917366
dc.identifier.capes33004102071P2
dc.identifier.urihttp://hdl.handle.net/11449/182224
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectAvaliação da segmentaçãopt
dc.subjectÁrvore de decisãopt
dc.subjectErosãopt
dc.subjectSensoriamento remotopt
dc.subjectSegmentation evaluationen
dc.subjectDecision treeen
dc.subjectErosionen
dc.subjectRemote sensingen
dc.titleDetecção automática de voçorocas a partir da análise de imagens baseada em objetos geográficos - GEOBIApt
dc.title.alternativeAutomatic gully detection from Geographic Object Based Image Analysis - GEOBIAen
dc.typeTese de doutorado
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabalpt
unesp.embargoOnlinept
unesp.graduateProgramAgronomia (Ciência do Solo) - FCAVpt
unesp.knowledgeAreaUso e manejo do solo e da águapt
unesp.researchAreaEngenharia de água e solo.pt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
utsumi_ag_dr_jabo.pdf
Tamanho:
4.24 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.99 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Teses - Agronomia (Ciência do Solo) - FCAV