Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Araki, Hideo, 1961- | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências da Terra. Curso de Graduação em Engenharia Cartográfica e de Agrimensura | - |
Autor(es): dc.creator | Campigoto, Gabriel | - |
Data de aceite: dc.date.accessioned | 2025-09-01T11:30:19Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T11:30:19Z | - |
Data de envio: dc.date.issued | 2023-04-25 | - |
Data de envio: dc.date.issued | 2023-04-25 | - |
Data de envio: dc.date.issued | 2021 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/82218 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/82218 | - |
Descrição: dc.description | Orientador Prof. Dr. Hideo Araki | - |
Descrição: dc.description | Monografia (graduação) - Universidade Federal do Paraná, Setor de Ciências da Terra, Curso de Graduação em Engenharia Cartográfica e de Agrimensura | - |
Descrição: dc.description | Inclui referências | - |
Descrição: dc.description | Resumo : A análise multitemporal de imagens de satélite permite verificar as mudanças de um fenômeno através dos anos. Neste trabalho se propôs a utilizar um método de machine learning chamado de random forest, para a criação de um modelo de classificação, a fim de gerar dados que permitissem de maneira rápida realizar análises sobre a urbanização em determinadas regiões. Outro propósito desse projeto é a modelagem do crescimento urbano de Curitiba e de parte de sua região metropolitana – Pinhais, Piraquara e São José dos Pinhais – por autômatos celulares (AC). Essa técnica consiste em modelos simples que representam a evolução temporal de comportamentos complexos, a partir de regras de transição (layers no formato raster que apresentam alguma restrição ou condição) e um estado inicial, imagem classificada contendo as classes: área urbana, vegetação, água e background. Com a modelagem e a classificação da imagem, para a época posteriori, é possível comparar a projeção do autômato. Descrito isso houve êxito em realizar ambas as atividades, contudo os resultados alcançados não foram os esperados no início do projeto, portanto foram analisados e discutidos ao término deste projeto. | - |
Descrição: dc.description | Abstract: The multitemporal analysis of satellite images allows verifying the changes of a phenomenon over the years. In this project, it was proposed to use a machine learning method called random forest, toc reate a classification model, in order to generate data that would permit fast analysis of urbanization in certain regions. Another purpose of this Project is to model the urban growth of Curitiba and part of its metropolitan region – Pinhais, Piraquara and São José dos Pinhais – by cellular automata (CA). This technique consists of simple models that represent the temporal evolution of complex behaviors, based on transition rules (layers in raster format that presente some restriction or condition) and an initial state, classified iamge containing the classes: urban área, vegetation, water and background. With the modeling and classification of the image, for the posterior epoch, it is possible to compare the projection of the automaton. As described, there was success in carrying out both activities, however the results achieved were not as expected at the beginning of the project, therefore they are analyzed and discussed at the end of this project. | - |
Formato: dc.format | 1 recurso online : PDF. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Crescimento urbano | - |
Palavras-chave: dc.subject | Automato celular | - |
Palavras-chave: dc.subject | Curitiba, Região Metropolitana de (PR) | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Título: dc.title | Classificação de imagens pelo método Random Forest e modelagem do crescimento urbano por automatos celulares | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: