As áreas de Proteção Ambiental em espaços urbanos sofrem temporalmente com o crescimento das cidades. Na maioria dos casos, o crescimento desenfreado das cidades aparece como um dos agentes da degradação. Entendendo que o dilema da degradação ambiental é responsabilidade tanto dos cidadãos, órgãos governamentais, como de diversos setores produtivos da economia, é necessário que todos possam contribuir para diminuição dos impactos de suas ações no meio ambiente. Desta maneira, este trabalho tem como objetivo apresentar a evolução relacionada às mudanças do Zoneamento Ecológico Econômico (ZEE) da Área de Proteção Ambiental das Lagoas e Dunas do Abaeté a partir de sua institucionalização em 1987. A metodologia contou com a análise de imagens temporais do ano de 1976 a 2010. Neste processo foram produzidos mosaicos a partir de aerofotos aos quais foram aplicadas técnicas de fotointerpretação para delimitação da Área de Proteção Ambiental (APA). Posteriormente às delimitações, foram construídos mapas temáticos que serviram de suporte para o cruzamento de informações que contribuíram para apontar constatações de alterações na vegetação, na geomorfologia, geologia, no equilíbrio hídrico e na ocupação urbana desordenada. Concluí-se que a APA do Abaeté em um período de 18 anos teve uma redução de 75,35 ha de sua área e a necessidade de aplicação de programas de educação ambiental eficientes com todos aqueles que vivem e a frequentam.
Abstract. The objective of this project was to compare two non-parametric classification methods (“Support Vector Machine” – SVM and “Artificial Neural Networks” – ANN) of road regions in high spatial resolution images and associated with data from Airborne Laser Scanning. The study aims to verify what kind of influence the layers of attributes have on the performance from respective classifiers: SVM and RNA. Our method based on tests of this classifiers on 4 bands of airborne images and normalization of the digital surface model (DSM) for showing only information on objects height in relation to ground and not of these in relation to the ground and relief, generating band 5. The samples were used to train chosen non-parametric classifiers (training sets for each different input image/landscape). All classifications had the same set of training samples and the same classification parameters. The optimal parameters for classifications were obtained through the existing library in the Weka mining package: LibSVM and LibMultiLayerPerceptron. Our results demonstrated the existence of a direct relationship between the elevation band of the targets in relation to the terrain (band 05) with the improvement of their performance and lower degree of between bands correlation can also be considered a factor that has a positive influence. As for Neural Networks, the experiment results demonstrate that the presence of the near infrared band (band 04) was decisive for the performance improving of certain combinations in relation to others.
RESUMO -Este artigo apresenta um levantamento bibliográfico comentado sobre a aplicação do crowdsourcing na gestão e no planejamento urbano, mais especificamente em transportes e mobilidade urbana. Inicialmente, apresenta-se os conceitos de neocartografia e crowdsourcing, e então, a técnica derivada desses, o mapeamento colaborativo. Para ilustrar listam-se exemplos de plataformas colaborativas que utilizam dados espaciais para geração de mapas sobre diversos temas e com diferentes objetivos e públicos-alvo. De forma mais detalhada, apresentam-se os princípios de funcionamento do aplicativo Waze e seu programa de parceria com o poder público em diversas cidades do mundo. Em seguida, descreve-se as contribuições já observadas desses sistemas geocolaborativos para a gestão de cidades, bem como as potencialidades percebidas dadas as ferramentas de que dispõem com ênfase nas questões relacionadas aos sistemas de transportes. Por fim, conclui-se que o mapeamento colaborativo representa um avanço na ciência da cartografia, podendo ser utilizado pelo poder público como ferramenta para democratização dos processos de gestão e planejamento urbano. Sem negligenciar o uso dos formatos tradicionais de coleta de informações, as autoridades podem ser subsidiadas complementarmente por esses dados espaciais gerados colaborativamente para tomada de decisões em perspectiva mais ampla e consistente no âmbito de transportes, assim como de outros setores. Palavras-chave: Planejamento urbano; Mobilidade urbana; Mapas colaborativos, Neocartografia.ABSTRACT -This article develops a commented literature research on the use of crowdsourcing tools in urban management and planning, specifically in transports and urban mobility. Initially, we present the concepts of mapping and crowdsourcing, and then the technique of collaborative mapping, derived from those two concepts. In order to illustrate this technique, a few examples of collaborative platforms that make use of spatial data to create maps on different subjects and for different purposes and audiences are listed. In a deeper approach, we present the operating principles of Waze app and its partnership program with local governments in several cities worldwide. Next, we describe how these geocollaborative systems have already contributed for cities management as well as their potential uses, given the tools at their disposal, with emphasis on issues related to transportation systems. Finally, we conclude that collaborative mapping represents a step forward in cartography and can be used by public authorities as a tool for democratization of urban management and planning processes. Without neglecting the use of traditional information collection techniques, they may additionally use these collaborative spatial data for decision-making in a wider and more consistent perspective in transports, as well as in other fields.
This paper evaluates the data quality of road axes using the OpenStreetMap (OSM) collaborative mapping platform. OSM was chosen owing to the abundance of data and registered contributors (~ 6 million). We assumed the OSM collaborative data could complement the reference mappings by its quality parameters. We used the cartographic quality indicators of positional accuracy, thematic accuracy, and completeness to validate vector files from OSM. We analyzed the positional accuracy of linear features and we developed the automation of the positional accuracy process. The tool verified the completeness of road axes and thematic accuracy. The positional accuracy of linear features was also used, performed to obtain a range of scales, which reflected the characteristics of mapped areas and varied from 1:22,500 to 1:25,000. The completeness of road axes was 82% of the checked areas. By evaluating the thematic accuracy, we found that the absence of road axes toponymy in editions caused errors in the OSM features (i.e., 58% of road axes without information). As such, we concluded that collaborative data complements the reference cartography by measuring the heterogeneity of information in various regions and filtering the OSM data, despite its being useful for certain analyses.
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.