• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.11.2015.tde-28102015-171744
Documento
Autor
Nome completo
Felipe Coelho de Souza Petean
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
Piracicaba, 2015
Orientador
Banca examinadora
Silva Filho, Demóstenes Ferreira da (Presidente)
Pancher, Andreia Medinilha
Rodriguez, Luiz Carlos Estraviz
Título em português
Uso de imagens hiperespectrais e da tecnologia LiDAR na identificação de espécies florestais em ambiente urbano na cidade de Belo Horizonte, Minas Gerais
Palavras-chave em português
Arborização urbana
Escaneamento a laser
Planejamento urbano
Resumo em português
A silvicultura urbana é um dos elementos essenciais à manutenção da qualidade de vida nos grandes centros urbanos. A existência de uma ampla rede de arvores distribuída ao longo das vias e dos espaços públicos atua promovendo a qualidade do ar, a conservação de água, o conforto térmico, acústico e psicológico dos cidadãos. Florestas urbanas são capazes de amenizar as emissões dos Gases do Efeito Estufa (GEE), tais como o CO2, atuando como sumidouros. Visto sua importância, novas aplicações de ferramentas de sensoriamento remoto têm surgido para auxiliar no planejamento e implantação da silvicultura urbana. O sistema de escaneamento a laser aerotransportado LiDAR (Light Detection And Ranging em inglês), gera uma representação em três dimensões do objeto alvo por meio de uma nuvem de pontos georreferenciados. O cruzamento com sensores de altíssima resolução espectral proporciona analises mais aprofundadas do objeto, podendo-se extrair diversas métricas florestais tais como altura, área basal, e até mesmo espécie. O trabalho teve como objetivo verificar a contribuição do uso de informações derivadas da nuvem de pontos LiDAR, na identificação e classificação das seis espécies florestais mais frequentes do Parque Municipal Américo Renné Giannetti em Belo Horizonte, Minas Gerais, Brasil, a fim de auxiliar no planejamento e manejo da silvicultura urbana. Para tanto, por meio de classificação supervisionada, cruzou-se informações de levantamento de campo, segmentação de copas, pontos de topo de copa de árvore extraídos da nuvem LiDAR, e uma imagem multiespectral WordlView-2. A acurácia da classificação foi medida por análise da exatidão global do processo e por meio do índice Kappa. Os pontos de topo de copa de árvore derivados da nuvem LiDAR contribuíram para a localização e classificação das classes referentes às espécies florestais, quando comparados ao mesmo processo sem estes pontos. A segmentação das copas executada pelo programa eCognition facilitou o lançamento das amostras treinamento e teste. O classificador ECHO conseguiu melhores valores de acurácia e índice Kappa, frente aos outros classificadores do programa Multispec. O uso de informações provenientes da nuvem de pontos LiDAR se mostrou promissor em imagens multiespectrais de ambiente florestal urbano, aumentando a acurácia geral da classificação supervisionada.
Título em inglês
Use of hyperspectral imagery and LiDAR technology to identify tree species in an urban environment in the city of Belo Horizonte, Minas Gerais
Palavras-chave em inglês
Laser scanning
Urban arboriculture
Urban planning
Resumo em inglês
Urban forestry is a key element to maintaining the quality of life in urban centers. The existence of a broad network of trees distributed along roads and public spaces acts to promote air quality, water conservation, thermal comfort, acoustic and psychological citizens. Urban forests are able to mitigate the emissions of Greenhouse Gases (GHG) such as CO2, acting as sinks. Since its importance, new applications of remote sensing tools have emerged to assist in planning and implementation of urban forestry. The laser scanning system airborne LiDAR (Light Detection And Ranging), generates a three-dimensional representation of the target object through a cloud of points georeferenced. The crossing with very high resolution sensors provides more in-depth analysis of the object and can be extracted several forest metrics such as height, basal area, and even species. The study aimed to verify the contribution of LiDAR derived points in the identification and classification of six most common tree species in Parque Municipal Americo Renne Giannetti, Belo Horizonte, Minas Gerais, Brazil, in order to assist urban forestry planning and management. Through supervised classification, field survey information, segmented areas, LiDAR treetop points, and a multispectral WordlView-2 image were crossed together. The classification accuracy was measured by analyzing overall accuracy and Kappa index. The LiDAR treetop points contributed to location and classification of tree species' classes, when compared to the same process without these points. The segmentation of crowns performed by eCognition program facilitated the launch of training and test samples. ECHO classifier showed the best accuracy and Kappa index in comparison to other Multispec program classifiers. The aggregation of LiDAR data showed promise in urban forest multispectral images, increasing supervised classification overall accuracy.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2015-11-24
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2020. Todos os direitos reservados.