Please use this identifier to cite or link to this item:
http://repositorio.lnec.pt:8080/jspui/handle/123456789/1018600
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Barbosa, A. | pt_BR |
dc.date.accessioned | 2025-05-23T09:15:57Z | pt_BR |
dc.date.accessioned | 2025-07-21T12:48:34Z | - |
dc.date.available | 2025-05-23T09:15:57Z | pt_BR |
dc.date.available | 2025-07-21T12:48:34Z | - |
dc.date.issued | 2016 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10451/25697 | pt_BR |
dc.identifier.uri | http://dspace2.lnec.pt:8080/jspui/handle/123456789/1018600 | pt_BR |
dc.identifier.uri | http://repositorio.lnec.pt:8080/jspui/handle/123456789/1018600 | - |
dc.description.abstract | O desenvolvimento de métodos de classificação aplicados a imagens de satélite tem apresentado resultados bastante satisfatórios, nomeadamente a classificação baseada em objeto (OBIA – Object Based Image Analysis). Porém, os algoritmos construídos para a classificação de uma dada área de estudo, apresentam um desempenho inferior quando aplicados a uma imagem da mesma área, adquirida noutra época. Assim, a presente dissertação de mestrado tem como principal objetivo desenvolver uma metodologia de classificação multitemporal de imagens de média resolução, semiautomática e replicável. Esta terá a capacidade de identificar os principais padrões de ocupação do solo de qualquer imagem na mesma área de estudo, sendo aplicada em diversos contextos temporais, permitindo a redução da subjetividade na classificação e uma rápida e constante atualização da informação, através da repetibilidade do algoritmo construído. Foram recolhidas imagens do satélite Land Remote Sensing Satellite 8 (Landsat 8) sendo estas subdivididas num conjunto de imagens de treino e de teste. De seguida, é desenvolvido um algoritmo de classificação de imagens orientada em objetos, através das imagens de treino com o auxílio do software eCognition®. Nesta primeira fase são encontradas as variáveis e os respetivos limiares de corte das funções, das imagens utilizadas na construção do algoritmo de classificação. Posteriormente, através do software Matrix Laboratory (Matlab®) procedeu-se à aplicação de um algoritmo baseado na Análise por Componentes Principais (ACP) para determinar automaticamente os limiares de corte das funções para a classificação das imagens de teste. Este método multivariado permite numa primeira instância analisar a correlação entre parâmetros caracterizadores das imagens e os limiares das imagens de treino. Através de uma segunda ACP, as imagens de treino e de teste foram ordenadas e foi efetuada a interpolação dos limiares de corte das funções para as imagens a classificar. Foram produzidos mapas de ocupação de solo para 8 imagens, com uma exatidão global superior a 94% e um coeficiente de concordância Kappa acima de 0,94. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.subject | Deteção remota | pt_BR |
dc.subject | Classificação semiautomática orientada em objetos | pt_BR |
dc.subject | Ocupação do solo | pt_BR |
dc.subject | Análise por componentes principais | pt_BR |
dc.title | Determinação semiautomática de limiares para classificação de conjuntos multitemporais de imagens de satélite | pt_BR |
dc.type | masterThesis | pt_BR |
dc.identifier.localedicao | Instituto de Geografia e Ordenamento do Território - Universidade de Lisboa | pt_BR |
dc.description.sector | DBB/NGA | pt_BR |
dc.contributor.arquivo | NAO | pt_BR |
Appears in Collections: | DBB/NGA - Programas de Investigação, Teses e Trabalhos de Síntese |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
igotul007418_TM-AngelaBarbosa.pdf | Documento principal | 12.76 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.