Identificação de relictos de savana na Mata Atlântica utilizando o sensoriamento remoto

Calado, Pedro Ivo Nesso

Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/6983

Registro completo de metadados

Campo DC	Valor	Idioma
dc.creator	Calado, Pedro Ivo Nesso
dc.date.accessioned	2020-11-10T13:17:23Z	-
dc.date.available	2020-11-10T13:17:23Z	-
dc.date.issued	2016-06-23
dc.identifier.citation	CALADO, Pedro Ivo Nesso. Identificação de relictos de savana na Mata Atlântica utilizando o sensoriamento remoto. 2016. 53 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Campo Mourão, 2016.	pt_BR
dc.identifier.uri	http://repositorio.utfpr.edu.br/jspui/handle/1/6983	-
dc.description.abstract	The use of Geographic Information System (GIS) has great importance for the study of forest fragments, making possible to perform the analysis of changes in large areas as well as to locate areas proper for conservation from the interpretation of data. Faced with the technological advancement of remote sensing is noted improvements on the level of orbital images, highlighting the RapidEye satellite images and Google® Earth, usually being used for environmental studies. Thus, this study aimed to mapping the native vegetation in order to certify the existence of relicts of Savannah in the stream basin Cinquenta e Cinco and test the features of the RapidEye images to differentiate biomes, through two different rating types. To perform semi-automatic classification of native vegetation it was made the segmentation of the image by selecting its five layers, adopting similarity equal to 20 and area (pixel) of 100, separating the homogeneous pixel clusters for classification by regions, performing the training of Bhattacharya algorithm. For the achievement of supervised classification by photo interpretation of images provided by Google® Earth, it was used the QGis OpenLayers plugin, allowing to fix the images from Google® Earth, enabling scanning of native vegetation. Through the survey of vegetation species collected in the study area once and available in the Herbarium of the Federal Technological University of Paraná in Campo Mourão, stream Cinquenta e Cinco watershed shows relict area of Savannah with 75 identified species belonging to this biome. Visual analysis of the results, obtained by the method of classification by Bhattacharya, proved to be unsatisfactory as regards the distinction of the savanna type. However, the supervised classification surpassed expectations, by showing more clearly the heterogeneity between the types, being possible to get to that results through the images with higher resolution and quality of Google® Earth.	pt_BR
dc.language	por	pt_BR
dc.publisher	Universidade Tecnológica Federal do Paraná	pt_BR
dc.rights	embargoedAccess	pt_BR
dc.subject	Sistemas de informação geográfica	pt_BR
dc.subject	Sensoriamento remoto	pt_BR
dc.subject	Savanas	pt_BR
dc.subject	Geographic information systems	pt_BR
dc.subject	Remote sensing	pt_BR
dc.subject	Savannas	pt_BR
dc.title	Identificação de relictos de savana na Mata Atlântica utilizando o sensoriamento remoto	pt_BR
dc.type	bachelorThesis	pt_BR
dc.description.resumo	A utilização do Sistema de Informações Geográficas (SIG) possui grande importância para o estudo de fragmentos florestais, possibilitando realizar a análise de mudanças em áreas extensas bem como a localização de locais aptos à conservação a partir da interpretação de dados. Diante do avanço tecnológico do sensoriamento remoto notase melhorias no nível das imagens orbitais, destacando-se o satélite RapidEye e as imagens do Google®® Earth, sendo corriqueiramente aplicado para estudos ambientais. Assim, este estudo teve como finalidade o mapeamento da cobertura vegetal nativa com o intuito de corroborar a existência de relictos de Savana na bacia do córrego Cinquenta e Cinco, bem como testar a funcionalidades das imagens RapidEye para diferenciar biomas, por meio de dois diferentes tipos de classificação. Para realizar a classificação semiautomática da vegetação nativa foi realizada a segmentação da imagem selecionando suas cinco bandas, adotando similaridade igual a 20 e área (pixel) igual a 100, separando os agrupamentos de pixels homogêneos para a classificação por regiões, realizando o treinamento do algoritmo de Bhattacharya. Para a classificação supervisionada, utilizou-se fotointerpretação das imagens disponibilizadas pelo Google® Earth, como auxílio do plugin OpenLayers do QGis, possibilitando fixar as imagens provenientes do Google® Earth, permitindo a digitalização da cobertura vegetal nativa. Por meio do levantamento das espécies vegetais coletadas na área de estudo outrora e disponíveis no Herbário da Universidade Tecnológica Federal do Paraná Campus Campo Mourão, a bacia hidrográfica do Córrego Cinquenta e Cinco apresenta área de relicto de Savana com 75 espécies identificadas pertencentes a este bioma. A análise visual dos resultados obtidos, por meio do método de classificação por Bhattacharya, mostrou-se insatisfatória no que tange à distinção da tipologia savânica. Entretanto, a classificação supervisionada superou a expectativa, por apontar a heterogeneidade entre as tipologias com maior clareza, sendo possível chegar no resultado almejado utilizando imagens com maior resolução e qualidade do Google® Earth.	pt_BR
dc.degree.local	Campo Mourão	pt_BR
dc.publisher.local	Campo Mourao	pt_BR
dc.contributor.advisor1	Ferreira, José Hilário Delconte
dc.contributor.advisor-co1	Caxambú, Marcelo Galeazzi
dc.contributor.referee1	Ferreira, José Hilário Delconte
dc.contributor.referee2	Caxambú, Marcelo Galeazzi
dc.contributor.referee3	Souza, Débora Cristina de
dc.contributor.referee4	Couto, Edivando Vitor do
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Departamento Acadêmico de Ambiental	pt_BR
dc.publisher.program	Engenharia Ambiental	pt_BR
dc.publisher.initials	UTFPR	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO	pt_BR
Aparece nas coleções:	CM - Engenharia Ambiental

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
CM_COEAM_2016_1_18.pdf		3,19 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Recomendar este item Visualizar estatísticas