Recent developments in geotechnologies provide resources to propose innovative strategies for urban and environmental management, including remote sensing data and computational resources for processing them. With the main objective of identifying urban areas of illegal occupation, this work uses WorldView-2-sensor images and the InterIMAGE, an image interpretation software, based on knowledge, under development by PUC-RJ in cooperation with INPE. Confirmed the potential of Geographic Object-Based Image Analysis (GEOBIA) and, on the other hand, the complexity on building the classification models, this work performs and evaluates land cover classification using C4.5 decision tree algorithm, which enables to quickly select the most representative attributes for each class and generate simple classification rules. The results show that data mining technique presented high classification performance. Using the land cover classes, we proceeded with the land use classification to identify areas of irregular occupation. The thematic maps achieved high values of overall accuracy and Kappa index. Typical classifications have been resolved by discriminating nine land cover classes.I.
Em áreas urbanas, estudos e ações, em escala de bacia hidrográfica urbana, para identificação do “Ciclo Lixológico”, são essenciais para se evitar ou minimizar as destinações inadequadas de resíduos sólidos e, consequentemente, degradação do meio ambiente. A partir do entendimento do “Ciclo Lixológico” como o ciclo de geração, transporte e disposição final dos resíduos sólidos, integrando variáveis relativas ao ambiente físico, às características socioeconômicas da população e às condições da infraestrutura urbana existente, torna-se possível a tomada de decisões mais eficiente e mais acertada em termos de planejamento e gestão de resíduos sólidos. Comumente, na ausência de dados primários, são utilizados parâmetros que permitem estimar a quantidade de resíduos sólidos gerados por dada população. Entretanto, acredita-se que a opção por um ou outro parâmetro pode resultar em dados muito diversos. Este trabalho apresenta a estimativa da geração de resíduos sólidos residenciais (i.e., nos domicílios) por meio da construção de seis cenários distintos, utilizando dados socioeconômicos e experimentos de aferição de massa de fraldas infantis. Toma-se a bacia hidrográfica da barragem Mãe d’Água, localizada na divisa de Porto Alegre e Viamão (Rio Grande do Sul) como estudo de caso. Os resultados obtidos mostram que a construção dos cenários conduz a dados diversos entre si. Desta forma, alerta-se para a importância da compreensão dos modos atuais de consumo e eliminação de resíduos sólidos de cada população em seu contexto, com análises comportamentais e coleta de dados in loco.
The urbanization process of Brazilian cities has generated several environmental problems, including occupations and irregular uses in Permanent Preservation Areas (PPA). Land use in marginal strips, coupled with vegetation removal, causes environmental degradation, causing instability of ecosystems. For this reason, the present study aims to identify and analyze land use and land occupation conflicts in PPA localized in the urban perimeter of the municipality of Candelária, Rio Grande do Sul, Brazil. The methodology uses geographic and statistical data from the Brazilian Institute of Geography and Statistics (IBGE) and spactial bases provided by the municipal government. Data systematization and maps elaboration were performed in Geographic Information System (GIS) platform. Candelária presents streams that cut the urban mesh and flow into the Pardo River, thus, there are PPAs of considerable size within the urban area. Research shows that there are improper uses in PPA, such as buildings, irregular settlements and agricultural crops. Finally, the results indicate there is significant area under protection in the city being impacted by human action, aggravating the reduction of native forest.
As técnicas de análise de imagens baseadas em objetos e os sensores de alta resolução espacial têm sido muito usadas para mapear alvos urbanos. Uma das principais limitações de tais sensores tem sido a baixa resolução espectral, o que dificulta a discriminação de objetos urbanos com respostas espectrais semelhantes. Neste caso, dados auxiliares, tais como os LIDAR, têm sido usados para melhorar os resultados da classificação. O sensor WorldView-II, por possuir oito bandas espectrais, pode ser uma boa solução para a discriminação de alvos urbanos de difícil identificação somente com o uso de imagens de sensores de alta resolução com menor resolução espectral. Por outro lado, o sistema de interpretação de imagens InterIMAGE, que tem sido desenvolvido pela PUC-RJ em cooperação com o INPE, apresenta grande potencial para a classificação de áreas urbanas complexas. Neste contexto, este trabalho propõe avaliar o potencial das imagens do sensor WorldView-II para o mapeamento da cobertura do solo em uma área urbana do Trecho Oeste do Rodoanel Mário Covas, na Região Metropolitana de São Paulo, usando o InterIMAGE. O modelo de classificação é construído de acordo com a estratégia de análise de imagens do InterIMAGE. Os mapas temáticos de cobertura do solo obtidos apresentaram altos valores de exatidão global e índice Kappa iguais a 0,87 e 0,85, respectivamente. Além disso, alguns conflitos típicos da classificação de alvos urbanos foram resolvidos com a identificação de quinze classes de cobertura do solo. De uma forma geral, os resultados mostraram que as novas bandas espectrais do sensor WorldView-II foram fundamentais para a discriminação de alguns alvos urbanos, tais como Telha Cerâmica e Solo Exposto, geralmente, difíceis de serem identificados com os sensores de alta resolução espacial como o QuickBird-II e IKONOS.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.