Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio2.unb.br/jspui/handle/10482/33928
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2018_GustavoHenriqueSoaresFerreira.pdf5,36 MBAdobe PDFVisualizar/Abrir
Título: Identificação de áreas inundáveis na porção sul de Roraima com auxílio de imagens de radar
Autor(es): Ferreira, Gustavo Henrique Soares
Orientador(es): Carvalho Júnior, Osmar Abílio de
Assunto: Sensoriamento remoto
Monitoramento ambiental
Várzea
Percepção geográfica
Geoprocessamento
Data de publicação: 31-Jan-2019
Referência: FERREIRA, Gustavo Henrique Soares. Identificação de áreas inundáveis na porção sul de Roraima com auxílio de imagens de radar. 2018. 75 f., il. Dissertação (Mestrado em Geografia)—Universidade de Brasília, Brasília, 2018.
Resumo: As áreas úmidas são de extrema importância para o equilíbrio da vida na Terra, compreender o seu comportamento é crucial para a preservação destes ecossistemas. Muitas dessas áreas, como as inseridas em domínio amazônico, são de difícil acesso para um estudo em campo. As técnicas de Sensoriamento Remoto têm evoluído muito, aliadas aos avanços da inteligência artificial, contribuindo para o desenvolvimento de estudos em locais de difícil acesso, possibilitando bons resultados de acordo com o tipo de dado utilizado. O presente estudo utilizou a técnica de aprendizado de máquina Random Forest, e limiar de retroespalhamento em imagens SAR do satélite Sentinel 1, da Agência Espacial Europeia, para identificar áreas úmidas no sul do estado de Roraima ao longo do ano de 2017. O trabalho identificou o comportamento típico de áreas inundáveis nas margens dos rios e feições adjacentes ao principal rio do estado (rio Branco). O pico de cheia foi encontrado no mês de Julho, cobrindo mais de 72.000 hectares da área de estudo (11,9% da área total da cena), e o de seca no mês de Dezembro, cobrindo mais de 37.000 hectares (6,1% da área total da cena).
Abstract: Wetlands are of extreme importance for the balance of life on Earth, understanding their behavior is crucial to the preservation of these ecosystems. Many of these areas, such as those in the Amazonian domain, are difficult to access for field study. The techniques of Remote Sensing have evolved a lot, combined with the advances of artificial intelligence, contributing to the development of studies in places of difficult access, allowing good results according to the type of data used. The present study used the Random Forest machine learning technique and backscatter threshold in SAR images of the Sentinel 1 satellite of the European Space Agency to identify wetlands in the south of the state of Roraima throughout 2017. The work identified the typical behavior of flooded areas on the banks of the rivers and features adjacent to the main river of the state (Rio Branco). The flood peak was found in July, covering more than 72,000 hectares of the study area (11.9% of the total area of the scene), and the dry season in December, covering more than 37,000 hectares (6.1 % of the total area of the scene).
Unidade Acadêmica: Instituto de Ciências Humanas (ICH)
Departamento de Geografia (ICH GEA)
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Geografia, Programa de Pós-graduação, 2018.
Programa de pós-graduação: Programa de Pós-Graduação em Geografia
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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