Please use this identifier to cite or link to this item: http://ri.ufs.br/jspui/handle/riufs/7164
Document Type: Monografia
Title: Aplicação de técnicas estatística multivariadas na classificação de imagens orbitais, na região do baixo São Francisco (SE/AL).
Authors: Dompieri, Márcia Helena Galina
Issue Date: Sep-2017
Advisor: Silva, José Rodrigo Santos
Resumo : Classificar uma imagem orbital significa extrair uma ou mais feições georreferenciadas das cenas, em função do comportamento diferenciado da reflectância dos materiais constituintes da superfície, ao longo do espectro eletromagnético. As cenas equivalem a matrizes bidimensionais de dados. O objetivo do presente trabalho é a classificação de imagens orbitais por meio da aplicação de técnicas estatísticas multivariadas – Análise por Componentes Principais (ACP) e Agrupamento (K-means). As imagens foram advindas do sensor MSI, a bordo do satélite Sentinel-2, na região do Baixo São Francisco, estados de Sergipe e Alagoas. Para auxiliar no processo de associação das classes, houve a organização de uma base de dados georreferenciados e sua espacialização em intervalos de frequência, sobre as principais atividades praticadas na área em 2015 - rizicultura, canavicultura, aquicultura, bovinocultura e ovinocultura. Os resultados indicaram que a aplicação da técnica de agrupamento nos primeiros e segundo componentes permitiram uma melhor separação das classes de uso do solo na área, além de menor tempo de processamento. A classe equivalente à pastagem degradada ou em processo de degradação foi a mais representativa (28%). Quase 20% da área foram contabilizados como solos expostos somados a poucos aglomerados urbanos. Quase 15% da água superficial continental classificada apresentou alta ocorrência de sedimentos em suspensão, indicando forte assoreamento dos corpos hídricos.
Abstract: The classification process of an orbital image involves the extraction of one or more features of interest because of the difference in reflectance between surface constituent materials, along the electromagnetic spectrum. The scenes are equivalent to twodimensional arrays. The main goal of this manuscript is the classification of orbital images from the MSI sensor aboard the Sentinel-2 satellite. The study area corresponds to the counties located in the region of the Lower São Francisco River region, in the states of Sergipe and Alagoas, by means of multivariate statistical techniques (Principal Components Analisys and K-means). In addition, a geospatial database was organized containing the main activities practiced in the area in 2015 – productions of rice, sugar cane, fish, cattle and sheep, which was spatialized in frequency intervals in order to help the process of class association. The results indicated the degraded pasture as the most representative (28%). Almost 20% of the area was identified as exposed soils in a few urban settlements, and about 15% of the continental surface water identified showed a high occurrence of suspended sediment, indicating a strong sedimentation of the water bodies.
Keywords: Ciências atuariais
Rio São Francisco (SE/AL)
Sensoriamento remoto
Sentinel2
Análise de componentes principais
Remote sensing
Sentinel2
Principal component analysis
Subject CNPQ: OUTROS::CIENCIAS ATUARIAIS
Language: por
Institution: Universidade Federal de Sergipe
Department: DECAT - Departamento de Estatística e Ciências Atuariais – Ciências Atuariais – São Cristóvão – Presencial
Citation: DOMPIERI, Márcia Helena Galina. Aplicação de técnicas estatística multivariadas na classificação de imagens orbitais, na região do baixo São Francisco (SE/AL). São Cristóvão, SE, 2017. Monografia (Bacharelado em Ciências Atuariais) - Departamento de Estatísticas e Ciências Atuariais, Universidade Federal de Sergipe, São Cristóvão, SE, 2017 Disponível em: <https://ri.ufs.br>. Acesso em:
URI: http://ri.ufs.br/jspui/handle/riufs/7164
Appears in Collections:Estatística e Ciências Atuariais

Files in This Item:
File Description SizeFormat 
Marcia_Helena_Galina_Dompieri.pdf3,77 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.