RESUMO -A linha de costa é uma feição dinâmica e o conhecimento do seu comportamento posicional no presente, passado e possíveis tendências torna-se fundamental para o planejamento e gestão costeira integrada. O objetivo desta contribuição científica foi avaliar a tendência da linha de costa aplicando o Método dos Mínimos Quadrados em uma série temporal comparando dois modelos matemáticos: o polinomial linear e o quadrático. A área de estudo contempla a Praia do Seixas, Paraíba, através de observações provenientes de ortofotos, imagens de satélite e levantamentos GNSS, totalizando desta forma 8 observações temporais para um intervalo de 17 anos. Para avaliar os modelos matemáticos escolhidos foram obtidas as tendências para o ano de 2015. Como resultado de tendência dos modelos têm-se a comparação com a linha de costa de 2015 apresentando, para o setor norte, discrepância de 3,6m e 8,9m e para o setor sul de 3,0m e 11,4m considerando o modelo linear e o quadrático, respectivamente. Quando comparado a tendência a longo prazo, neste caso considerando um horizonte de 40 anos, foi possível verificar diferenças na ordem de 200m entre os modelos matemáticos testados. As discrepâncias entre as predições calculadas pelo modelo linear foram menores que as alcançadas pelo modelo quadrático, nos dois setores. Por outro lado foram obtidos valores de R² mais próximos de um (1) para o modelo polinomial quadrático. Os resultados indicam que é necessário ter cautela na escolha de um modelo matemático para o caso do comportamento de tendência da linha de costa. Palavras-chave: linha de costa, tendência, modelo matemático polinomial.ABSTRACT -Shoreline is a dynamic continental feature and it is important to know its behavior in the present, past and future. The aim of this paper is to evaluate the shoreline trend applying the method of least squares in a temporal series of data comparing the polynomials models of first order and second order. The chosen study area was Seixas Beach, Paraiba, Brazil. The data available cover 17 years and it was obtained using orthophotos, satellite images and GNSS survey. To evaluate these mathematic models it was calculated the shoreline trend to 2015. The results obtained through the comparison between 2015 shoreline and the trends obtained using the two methods showed to the linear and quadratic models respectively 3.6m and 8.9m to north zone and 3.0m and 11.4m to south zone. Then it was generated the long term trend covering 40 years and it showed approximately 200m of difference between the models. The differences between the trends were lower to first order polynomial model in both sectors. On the other hand, the second order model showed R² values nearest 1. It is important to notice the results indicate that is necessary to be careful about the choice of the mathematical models to obtain the shoreline trends.
RESUMOO crescente avanço tecnológico ocorrido nos últimos anos, tanto da área da Informática, Fotogrametria e também Sensoriamento Remoto, vem contribuindo significativamente para diversas pesquisas sobre extração de informações tridimensionais a partir de imagens de alta resolução. No presente trabalho, uma solução utilizando modelagem não rigorosa baseada na transformação matemática DLT (Direct Linear Transformation) foi utilizada para a orientação exterior de um par estereoscópico de imagens Ikonos II e determinação de coordenadas tridimensionais por intersecção fotogramétrica. O objetivo principal foi o de avaliar o desempenho do modelo na aplicação, como também a obtenção de melhor configuração de pontos de apoio necessários na orientação exterior para fins da determinação de coordenadas tridimensionais por interseção espacial. Os experimentos realizados permitiram recomendar a configuração adequada para a distribuição dos pontos de apoio, onde a exatidão planimétrica foi equivalente a precisão teórica tolerável igual a um pixel de erro nas observações, enquanto a exatidão altimétrica ficou próxima de 1,5 pixels.
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.