Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouGiuliana Espada Alterado mais de 10 anos atrás
1
MARCOS EUGÊNIO PIRES DE AZEVEDO LOPES TERESA S. AQUIJE CHACALTANA
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL GEOMÁTICA APLICADA A RECURSOS HÍDRICOS DEFINIÇÃO DE CLASSES DE USO DO SOLO PARA A SUB-BACIA DO CÓRREGO DO GORDO, DOMINGOS MARTINS-ES, UTILIZANDO TÉCNICAS DE SENSORIAMENTO REMOTO. MARCOS EUGÊNIO PIRES DE AZEVEDO LOPES TERESA S. AQUIJE CHACALTANA
2
ESTRUTURA DE APRESENTAÇÃO
Introdução Objetivo Materiais e Métodos Resultados e Discussão Conclusões
3
Sensoriamento Remoto – imagens de satélite para estudos ambientais;
Introdução Sensoriamento Remoto – imagens de satélite para estudos ambientais; Classificação supervisionada e não-supervisionada; Sub-bacia do Córrego do Gordo, Domingos Martins-ES.
4
Objetivo Realizar a classificação supervisionada e não-supervisionada da sub-bacia do Córrego do Gordo, Domingos Martins-ES, comparando as metodologias utilizadas.
5
Materiais e Métodos Área de estudo Sensoriamento Remoto Classificação supervisionada Classificação não-supervisionada
6
Amplitude altimétrica em torno de 600 m;
Lat. 20º 21’ 05’’ e 20º 22’ 55’’ S Long. 40º 37’ 30’’ e 40º 40’ 45’’ W; 20°0'0"S 110 220 55 km 40°0'0"W Espírito Santo Dominos Martins Bacia Córrego do Gordo Amplitude altimétrica em torno de 600 m; Clima tropical de altitude, temperatura máxima 28°C e mínima de 8°C, média anual próxima dos 18°C; Drena parte do município de Domingos Martins, dentro de sua área urbana; Cobertura vegetal caracterizada por poucas reservas de Mata Atlântica, principalmente nas áreas de maior altitude. Figura 1 - Localização do municipio de Domingos Martins-ES e da sub-bacia do Córrego do Gordo.
7
Imagem colorida: Banda 1 azul Banda 2 verde e Banda 3 vermelho
b) Imagem em falsa cor: Banda 2 verde Banda 3 vermelho e Banda 4 infravermelho Figura 2 - Imagens do satélite LANDSAT 7, abrangendo o município de Domingos Martins-ES, com resolução espacial de 30 metros, coletadas em 08 de dezembro de a) Imagem colorida e b) Imagem em falsa cor.
8
Softwares utilizados ERDAS IMAGINE realização das classificações supervisionada e não supervisionada. ARCGIS geração dos mapas de saída.
9
Assinaturas espectrais baseadas em uma imagem de composição colorida, estabelecendo sete amostras para cada classe pretendida: vegetação, pastagem, solo exposto, área urbana e sombra; A classificação foi desenvolvida por três diferentes métodos: distância mínima (Minimum Distance), máxima verossimilhança (Maximum Likelihood) e distância de Mahalanobis (Mahalanobis Distance).
10
Limite_raster Classificação Supervisionada Sub-bacia Córrego do Gordo
Reclassificacao classes Vegetacao,etc. ERDAS IMAGINE 8.5 Região Colorida normal Signature Editor Assinaturas Espectrais Mahalanobis Distance Maximum Likelihood Minimum Bandas azul, verde vermelha Classificação Supervisionada Sub-bacia Córrego do Gordo 7 amostras para cada classe Supervised Classification ARCGIS 8.3 Limite_raster Raster Calculation
11
Os pixels nas áreas de treinamento foram submetidos ao algoritmo de agrupamento Isodata, que determinou a agregação natural dos dados, com base em imagens de composição da área de estudo (colorida e falsa cor); Foram utilizadas vinte e quatro iterações, definidas como o número de repetições do processo, onde a cada iteração os pixels são recalculados e reclassificados, assumindo os novos valores médios; Foram estabelecidas trinta e cinco classes para o algoritmo efetuar o agrupamento e estas posteriormente foram reagrupadas no aplicativo ARCGIS 8.3 em cinco classes distintas: sombra, vegetação, pastagem, solo exposto e área urbana.
12
Resultados e Discussão
ERDAS IMAGINE 8.5 Região Colorida Falsa Cor Classificação não supervisionada ARCGIS 8.3 Limite_raster Unsupervised Classification Classificação não supervisionada Sub-bacia Córrego do Gordo Bandas verde, vermelha e infravermelha N de Classes 15 Iterações Flicker Reclassificacao classes Vegetacao,etc. Raster Calculation Resultados e Discussão
13
Resultados e Discussão
Figura 3 – Pontos georreferenciados (GPS) utilizados para verificar a veracidade dos mapas gerados.
14
Figura 4 – Mapa de uso do solo obtido pela classificação não-supervisionada.
15
Figura 5 - Mapa de uso do solo obtido pela classificação supervisionada pelo método da mínima distância.
16
Figura 6 - Mapa de uso do solo obtido pela classificação supervisionada pelo método da distância Mahalanobis.
17
Figura 7 - Mapa de uso do solo obtido pela classificação supervisionada pelo método da Máxima verossimilhança.
18
Figura 8 – Comparação entre o mapa de uso do solo obtido pela classificação supervisionada pelo método da mínima distância e a imagem de satélite.
19
Conclusões Os resultados apresentados pela classificação supervisionada segundo o método da distância mínima, apesar de algumas limitações intrínsecas à metodologia, descreveram de forma satisfatória, a área em estudo; A visita a campo foi determinante para a avaliação dos métodos e confirmação da veracidade dos resultados obtidos nas classificações; O presente trabalho corrobora a importância do Sensoriamento Remoto para subsidiar análises e estudos ambientais permitindo tomadas de decisão coerentes e apropriadas no contexto da gestão sustentável dos recursos naturais; A metodologia desenvolvida no presente trabalho permite a replicação em diferentes áreas de interesse, provendo consistente banco de dados digitais georeferenciados.
20
FIM
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.