Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Silva, Flávio Castro da | - |
Autor(es): dc.contributor | Arruda Junior, Elias Ribeiro de | - |
Autor(es): dc.contributor | Rigueira, Roberta Jimenez de Almeida | - |
Autor(es): dc.contributor | Hamacher, Leonardo da Silva | - |
Autor(es): dc.creator | Soares, Pedro Almeida | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:43:43Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:43:43Z | - |
Data de envio: dc.date.issued | 2024-01-29 | - |
Data de envio: dc.date.issued | 2024-01-29 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/32098 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/756275 | - |
Descrição: dc.description | O uso de imagens de sensoriamento remoto tem sido significativo em múltiplos campos, incluindo geologia, meio ambiente, agricultura, cartografia, florestas, urbanismo e oceanografia, proporcionando uma visão abrangente e regular das áreas estudadas de forma rápida e eficiente. Para facilitar o desenvolvimento de aplicações do sensoriamento remoto, desde a obtenção e o processamento das imagens de satélites, surgiu o Google Earth Engine (GEE), uma plataforma que combina linguagens de programação como JavaScript e Python com computação em nuvem de ponta, gerando informações socioambientais temporais espacializadas de rápido acesso, representativos do meio ambiente. O Índice de Vegetação por Diferença Normalizada (NDVI) destaca-se como um método simples e altamente sensível para avaliar a densidade da cobertura vegetal, tornando-se uma ferramenta fundamental para a supervisão e estudos sazonais e interanuais da degradação ambiental. Neste contexto, o objetivo deste trabalho foi avaliar a eficácia das imagens NDVI obtidas por meio do GEE para o monitoramento da vegetação ao longo do tempo. Para isso, foram selecionadas cinco áreas com mudanças vegetativas notadas por meio da ferramenta de imagens históricas do Google Earth, além de uma área de floresta sem alterações perceptíveis na vegetação. Os resultados de NDVI dessas áreas foram posteriormente comparados. As cinco áreas selecionadas, com alterações na vegetação, apresentaram os eventos observados previamente através do Google Earth, destacando-se, principalmente, a área A1: Comperj. A plataforma Google Earth Engine demonstrou-se prática e eficaz na obtenção da série histórica do NDVI mediano de diferentes áreas, permitindo adaptações para novas regiões e satélites analisados | - |
Descrição: dc.description | The use of remote sensing images has been significant in multiple fields, including geology, the environment, agriculture, cartography, forestry, urban planning and oceanography, providing a comprehensive and regular view of the areas studied quickly and efficiently. To facilitate the development of remote sensing applications, from obtaining and processing satellite images, Google Earth Engine (GEE) has emerged, a platform that combines programming languages such as JavaScript and Python with cutting-edge cloud computing, generating fast-access spatialized socio- environmental information representative of the environment. The Normalized Difference Vegetation Index (NDVI) stands out as a simple and highly sensitive method for assessing the density of vegetation cover, making it a fundamental tool for monitoring and seasonal and inter-annual studies of environmental degradation. In this context, the effectiveness of NDVI images obtained through GEE for monitoring vegetation over time was evaluated. To this end, five areas with vegetation changes noted through Google Earth's historical images tool were selected, as well as a forest area with no noticeable changes in vegetation. The NDVI results of these areas were then compared. The five selected areas with changes in vegetation showed the events previously observed using Google Earth, especially area A1: Comperj. The Google Earth Engine platform proved to be practical and effective in obtaining the historical series of median NDVI for different areas, allowing adaptations to be made for new regions and satellites analyzed | - |
Descrição: dc.description | 36 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Sensoriamento remoto | - |
Palavras-chave: dc.subject | Python | - |
Palavras-chave: dc.subject | Monitoramento ambiental | - |
Palavras-chave: dc.subject | Sensoriamento remoto | - |
Palavras-chave: dc.subject | Monitoramento ambiental | - |
Palavras-chave: dc.subject | Python (Linguagem de programação de computador) | - |
Palavras-chave: dc.subject | Remote sensing | - |
Palavras-chave: dc.subject | Python | - |
Palavras-chave: dc.subject | Environmental monitoring | - |
Título: dc.title | Monitoramento temporal da vegetação: uma análise utilizando o Google Earth Engine e o Índice NDVI | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: