GEOBIA E MINERAÇÃO DE DADOS NA CLASSIFICAÇÃO DA COBERTURA DO SOLO URBANO EM SÃO LUÍS (MA) COM IMAGENS WORLDVIEW-2 E O SISTEMA INTERIMAGE
As áreas urbanas caracterizam-se por ser um espaço em transformação. Quando estão localizadas em ambientes costeiros, tornam-se ainda mais frágeis pela presença de ecossistemas como os manguezais e as dunas. Para o processamento e a avaliação de dados dos novos sensores orbitais utiliza-se o paradig...
Saved in:
Published in: | Revista brasileira de cartografia Vol. 66; no. 3 |
---|---|
Main Authors: | , |
Format: | Journal Article |
Language: | English |
Published: |
Universidade Federal de Uberlândia
01-08-2014
|
Subjects: | |
Online Access: | Get full text |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Summary: | As áreas urbanas caracterizam-se por ser um espaço em transformação. Quando estão localizadas em ambientes costeiros, tornam-se ainda mais frágeis pela presença de ecossistemas como os manguezais e as dunas. Para o processamento e a avaliação de dados dos novos sensores orbitais utiliza-se o paradigma de GEOBIA. Neste trabalho foram usadas imagens do satélite WorldView-II de alta resolução espacial com 0,50m de resolução e oito bandas multiespectrais. O objetivo deste estudo foi avaliar a capacidade do uso dessas imagens aliadas a técnicas de mineração de dados, para a classificação da cobertura do solo urbano em áreas urbanas costeiras. Os testes foram realizados em duas áreas-piloto no setor norte da cidade de São Luís - MA (Ilha do Maranhão). Inicialmente foram realizados testes com um modelo de classificação para as áreas-piloto, considerando somente uma análise exploratória a partir das ferramentas implementadas no software InterIMAGE (Teste AI e BI). Para efeito de comparação, foi elaborado um modelo de conhecimento que, com base nos resultados da mineração de dados por árvore de decisão com um número mínimo de folhas, indicava os melhores limiares e atributos para classificar as imagens. Este modelo foi adaptado a concepção do software InterIMAGE (Teste AII e BII). Através de avaliações estatísticas foi possível optar pelas classificações com maior precisão que obtiveram índices Kappa de 0,8354 (teste AII) e 0,8446 (teste BII). Desta forma foi possível customizar os atributos anteriormente validados na classificação de cobertura da terra, obtendo-se índices Kappade 0,7924 para área A e 0,7631 para área B. |
---|---|
ISSN: | 0560-4613 1808-0936 |
DOI: | 10.14393/rbcv66n3-44753 |