ABSTRACT. The major challenges in road infrastructure studies are related to the evaluation of the road pavement quality in a practical, non-destructive, and low-cost way. Information about the thickness of the layers is fundamental to pavement repairing. In this study, the applicability of the ground penetrating radar (GPR) method in the delimitation of the pavement layer is tested at the Shallow Geophysical Test Site Applied to Engineering of Universidade Estadual de Goiás (UEG). The ground penetrating radar presents satisfactory results, identifying the top and bottom of the first five layers by the 270, 400, and 900 MHz antennas. The 2 GHz antenna was able to only delimit the top and bottom of the Hot Rolled Asphalt (HRA). The geomembrane with geotextile set and the concrete layer were not identified in the radargrams. The resolution of each antenna is 9.8 cm for 270 MHz; 6.0 cm for 400 MHz; 2.9 for 900 MHz; and 1.6 cm for 1600 MHz. Concerning layer thickness estimates, the antennas had an efficiency percentage of 83 % (270 and 1600 MHz), 83.29 % (400 MHz), and 84.40 % (900 MHz). Layer thickness estimates obtained by GPR antennas were compared with true thickness using a paired t-test (α= 0.05). No significant differences in layer thickness were observed for the GPR antennas versus the actual pavement thickness.Keywords: GPR; geosynthetics; road investigation; shallow geophysical test site; non-destructive testing.
A expansão urbana intensa e não planejada promove certos desequilíbrios ambientais que podem causar desconfortos sociais, muitas vezes irremediáveis. Inundações, movimentos de massa, aumento da impermeabilização e do escoamento superficial entre outros, são alguns dos impactos decorrentes do uso indevido ou irregular do solo. Este artigo aborda uma análise temporal das mudanças no uso e ocupação do solo na Bacia hidrográfica Ribeirão do Lipa, localizada no munícipio de Cuiabá-MT, a partir de técnicas de sensoriamento remoto. Para tal foram gerada as composições das bandas 5-4-3 e 5-4-1 das cenas do sensor Landsat 5, datadas de 1984, 1992, 2000, 2008 e das bandas 6-4-1 da cena do sensor Landsat 8, datada de 2017. A preferência pelas bandas termais 1, 3, 4 e 5 do satélite Landsat 5 e das bandas 6, 5 e 2 do satélite Landsat 8 foi dada pela possibilidade de identificação de solos impermeáveis e de áreas queimadas, discriminados a partir da composição entre elas. Posteriormente foi feita a classificação das composições a partir do método algoritmo de Máxima Verossimilhança (MAXVER) nas quais foram delimitadas cinco classes: vegetação (áreas com cobertura vegetal densa); solo exposto (áreas sem cobertura vegetal); lamina d'agua (áreas com lâmina d'água ou com superfície d'água exposta) e área urbanizada (áreas construídas com solo impermeável). Comparando as imagens classificadas e a evolução das classes na ocupação do solo entre 1984 e 2017 foi possível observar um crescimento de 5,36% de vegetação, 2,05% de solo exposto e 7,07% de área urbanizada, enquanto a classe lâmina d'agua teve aumento de 0,36%. As áreas queimadas diminuíram 3,73% de 1984 à 2008 enquanto no ano de 2017 não foi observado a presença de área queimada. Por ausência de imagens temporais, foram usadas as composições de bandas para validar o desempenho das classificações de acordo com o Índice Kappa. O resultado do índice Kappa foi entre muito bom e excelente, reforçando que a classificação supervisionada de bandas compostas de sensores de satélites é uma forte aliada no monitoramento do uso e ocupação do solo. Palavras-chave: Classificação supervisionada; Bacia do Ribeirão do Lipa; uso e ocupação do solo
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.