Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/8005
Título: Georreferenciamento e processamento de imagens de sensoriamento remoto aplicados à análise da arborização urbana em Londrina
Título(s) alternativo(s): Georeferencing and processing of remote sensing imagery applied to urban tree analysis in Londrina
Autor(es): Porto, Leticia Rosim
Orientador(es): Batista, Lígia Flávia Antunes
Palavras-chave: Arborização das cidades
Imagens de sensoriamento remoto
Coordenadas geográficas
Trees in cities
Remote-sensing images
Geographical positions
Data do documento: 12-Jun-2017
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Londrina
Referência: PORTO, Letícia Rossim. Georreferenciamento e processamento de imagens de sensoriamento remoto aplicados à análise da arborização urbana em Londrina. 2017. 54 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Londrina, 2017.
Resumo: Inventários de arborização urbana envolvem trabalhosos levantamentos de campo. Apesar das dificuldades, tais levantamentos são necessários principalmente para permitirem o delineamento de diretrizes de gestão ambiental por parte de órgãos públicos, prefeituras, entre outros. O objetivo deste trabalho é avaliar se é possível caracterizar qualitativamente a distribuição espacial da arborização urbana por meio de imagens de Sensoriamento Remoto. Foram coletados dados sobre as árvores da área central do município de Londrina, estado do Paraná, os quais foram geocodificados e integrados em um banco de dados geográfico, que permite consultas por expressão. Aplicou-se então o operador de densidade Kernel, a fim de comparar seus resultados com índices de vegetação NDVI e EVI gerados com imagens RapidEye, pelo ajuste de um modelo de regressão. Os índices foram calculados utilizando as equações apresentadas na literatura e também substituindo o termo que corresponde à faixa do vermelho pela faixa red-edge. A modelagem dos dados foi feita para as ruas São Salvador, Alagoas e Cuiabá. Os resultados apresentaram os valores mais altos para o modelo de regressão do índice EVI com a faixa red-edge para a rua Cuiabá, com coeficiente de determinação pouco acima de 17,27%. Tal resultado mostrou que o método aplicado não foi bem-sucedido para a avaliação da arborização urbana com as imagens de Sensoriamento Remoto e técnicas utilizadas, porém, o banco de dados georreferenciado e o que ele possibilita em termos de consultas são importantes ferramentas de gestão pública.
Abstract: Urban tree inventory requires field surveys which are difficult undertaking. Despite this, such surveys are necessary mainly to permit the definition of environmental management guidelines by public agencies, prefectures, and others. The aim of this work is to evaluate if it is possible to characterize qualitatively the spatial distribution of urban trees from Remote Sensing imagery. It was collected a data set about trees of central area of Londrina city, Paraná State, which were geocoded and integrated in a geographic database, which allows queries by expession. It was applied the Kernel density operator, in order to compare the results with vegetation index NDVI and EVI, generated with RapidEye imagery, and to assess the fitting of a regression model. The indexes were calculated using the equations presented in literature and also by replacing the term that correspond to the red band by red edge band. The data modeling was done for the following streets: São Salvador, Alagoas and Cuiabá. The results presented the highest values for the regression model of the EVI índex with the red edge band for Cuiabá street with a determination coefficient slightly above 17.27%. This result showed that the applied method was not successful for the evaluation of urban trees from the Remote Sensing imagery and techniques used. However, the georeferenced database and what it enables in terms of queries ar important tools of public management.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/8005
Aparece nas coleções:LD - Engenharia Ambiental

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
LD_COEAM_2017_1_17.pdf5,02 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.