Mapeamento de cobertura e uso de solo a partir de dados de sensoriamento remoto utilizando redes neurais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorCavalcanti, Pablo Gautério-
Autor(es): dc.contributorPegorini, Vinícius-
Autor(es): dc.creatorNicolau, Vinicius Nakalski-
Data de aceite: dc.date.accessioned2022-08-04T20:19:09Z-
Data de disponibilização: dc.date.available2022-08-04T20:19:09Z-
Data de envio: dc.date.issued2022-03-07-
Data de envio: dc.date.issued2022-03-07-
Data de envio: dc.date.issued2020-12-01-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/27550-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/706635-
Descrição: dc.descriptionLand cover and land use are two key elements that describe the terrestrial environment in relation to human and natural activities. Land cover is characterized by the biophysical features of the terrestrial environment, and land use is the way that those features are used by humans. The map generated by these two elements is usually man-made, thus taking a lot of time for it's development. This work aims to generate a land use and land cover map on remote sensing data using convolutional neural networks and autoencoders. The Python language was used for the development along with a Machile Learning API named Keras. The databases used for training were the RSI-CB128, UCMerced Land-Cover and DLRSD, of which all of the databases contains RBG images of 128x128 pixels. Lastly a land use and land cover map was generated for the city of Pato Branco using satellite images provided online by Google.-
Descrição: dc.descriptionO mapeamento de cobertura e uso de solo são dois elementos chave que descrevem o ambiente terrestre em relações às atividades naturais e humanas. A cobertura de solo é caracterizada pelas características biofísicas do ambiente, já o uso de solo é a maneira em que essas características são utilizadas por humanos. Esse mapeamento usualmente é feito de maneira manual levando assim a um tempo elevado para sua geração. Esse trabalho consiste na geração de um mapa de cobertura em dados de sensoriamento remoto utilizando redes neurais convolucionais e autoencoders. Para realizar esta tarefa foi utilizado a linguagem Python em conjunto com a API de redes neurais Keras, e treinados com a base de dados RSI-CB128, UCMerced Land-Cover e DLRSD em que todas as bases contém imagens RGB de 128x128 pixeis. Porém foi gerado o mapa de cobertura e uso de solo para o município de Pato Branco utilizando imagens de satélite disponibilizadas pelo Google Earth.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPato Branco-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Informática-
Publicador: dc.publisherEngenharia de Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectCobertura dos solos-
Palavras-chave: dc.subjectSolo - Uso-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectMulching-
Palavras-chave: dc.subjectLand use-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectRemote sensing-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleMapeamento de cobertura e uso de solo a partir de dados de sensoriamento remoto utilizando redes neurais-
Título: dc.titleLand cover and land use classification on remote sensing data using neural networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.