Comparação entre metodologias para mapeamento da arborização de vias públicas do bairro Chapada, Ponta Grossa-PR, com uso de imagens plêiades
DOI:
https://doi.org/10.14195/1647-7723_32-1_2Palavras-chave:
Classificação não supervisionada,, NDVI,, classificação supervisionada,, floresta urbana.Resumo
O conhecimento do patrimônio arbóreo presente nos caminhos da cidade é um desafio. A aquisição dessas informações requer experiência pessoal, tempo e recursos econômicos colocados no campo. Em alguns casos não é possível realizar conta in situ, por esta razão são implementadas técnicas diferentes. as metodologias orientadas a pixels são utilizadas (classificação supervisionada, não supervisionada), junto com a classificação segmentada NDVI, para obter um conhecimento prévio do patrimônio das arvores, junto com o mapeio e quantificação delas. O bairro Chapada da cidade de Ponta Grossa-PR (Paraná, Brasil) conta com um mapeio prévio utilizando a metodologia de análise visual. Usou-se como referência o conteo de 3101 árvores em 228 vias para comparar com as três metodologias mencionadas anteriormente. Se realizou uma classificação de solos utilizando as três metodologias, para conhecer a presença de vegetação nas vias. No caso do NDVI se consegue-o mostrar um 56.00 % de similitude com as árvores obtidas na análise visual, a classificação não supervisionada obteve um mapa de 91.19 % obtendo a maior quantidade de árvores contadas, e a classificação supervisionada 82.68 %.
Downloads
Referências
Agyemang, T., Heblinski, J., Schmieder, K., Sajadyan, H., Vardanyan, L. (2011). Accuracy Assessment of Supervised Classification of Submersed Macrophytes Using GIS and Error Matrices: The Case of Lake Sevan, Armenia. Hidrobiology, n. 661, 85-96.
Almeida, D. (2009). Análise da arborização urbana de cinco cidades da região norte do estado de Mato Grosso (Dissertação de Mestrado Em Ciências Florestais e Ambientais). Faculdade De Engenharia Florestal, Universidade Federal de Mato Grosso, Cuiabá, 62f. Disponível em https://www.ufmt.br/fenf/arquivos/0a241f85423324b3077c8ee2dc7b6748.pdf. Acceso em 8 jul. 2018.
Ardila, J., Bijker, W., Topelkin, V., & Stein, A. (2011). Context-sensitive extraction of tree crown objects in urban areas using VHR satellite images, International Journal of Applied Earth Observation and Geoinformation, Netherland, V. 15, jun, 57-69.
Ardila, J. P. (2012). Object-based methods for mapping and monitoring of urban trees with multitemporal image analysis (Tese de Doutorado em Geoformação). Faculty of Geo-Information Science and Earth Observation, University Of Twente, Netherlands, 176 f.
Audebert, N., Bertrand, S., Lefévre, S. (2018). Beyond RGB: Very high resolution urban remote sensing with multimodal deep networks. ISPRS Journal of Photogrammetry and Remote Sensing, v. 140, p. 20-32
Batista dos Santos, C. e Carvalho, F. G. (2012). Análise da arborização viária do bairro de Petrópolis, natal, rn: uma abordagem para diagnóstico e planejamento da flora urbana. REVSBAU, Piracicaba – SP, v.7, n.4, 90‐106.
Biondi, D. (2008). Arborização Urbana Aplicada à educação Ambiental nas escolas. Curitiba: [s.n.]. 120 p.
Burgos, M., Manterola, C. (2010). Cómo interpretar un artículo sobre pruebas diagnósticas. Revista Chilena de Cirugía, n. 3, v. 62, 301-308.
Campbell, J., Wynne, R. (2022). Introduction to remote sensing. 2 ed. London: Taylor and Francis, 667 p.
Centeno, J. (2009). Sensoriamento Remoto e Processamento de Imagens Digitais. Curitiba: Universidade Federal de Paraná (UFPR).
Congalton, R. (2004). Putting the Map Back in Map Accuracy Assessment. In: Lunetta, R., Lyon, J. Geoespatial Data Accuracy Assessment. Environmental Agency: United States, 1-13.
Chuvieco, E. (2000). Fundamentos de Teledetección Espacial. 2 ed. Rialp, Madrid, 449 p.
Foody, G. (2020). Explaining the unsuitability of the kappa coefficient in the assessment and comparison of the accuracy of thematic maps obtained by image. Remote Sensing of Environment, Nottingham, UK.
Hao, S., Cui, Y., Wang, J. (2021). Segmentation Scale Effect Analysis in the Object-Oriented Method of High-Spatial-Resolution Image Classification. Sensors, China, v.21.2-17.
Hong, Z., Xu, S., Wang, J., Xiao, P. (2009). Extraction of Urban Street Trees from High Resolution Remote Sensing Image. Urban Remote Sensing Joint Event, Shanghai, China.
IBGE - INSTITUTO BRASILEIRO DE GEOGRAFIA A ESTATISTICA. Disponivel em: https://cidades.ibge.gov.br/brasil/pr/ponta-grossa/panorama. Acesso em: 12 out. 2018.
IBGE - INSTITUTO BRASILEIRO DE GEOGRAFIA A ESTATISTICA (2006). Manual Técnico de Uso da Terra. 2. ed. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística.
Leckie, D., Burnett, C., Nelson, T., Jay, C., Walsworth, N., Gougeon, F., Cloney, E. (1999). Forest Parameter Extraction through Computer-Based Analysis of High Resolution Imagery. In: 21st Canadian Symposium on Remote Sensing, 21, Ottawa, 1-9.
LI, F., Song, G., Liujun, Z., Yanan, Z., Di, L. (2017). Urban vegetation phenology analysis using high spatio-temporal NDVI time series. Urban Forestry & Urban Greening, Nanjing, China
Malik, P., Chourasiya, A., Pandit, R., Bharaskar, K. (2023). Satellite Image Segmentation Using Neural Networks: A Comprehensive Review. International Journal of Enhanced Research in Educational Development (IJERED).
Moreira, M. (2007). Fundamento do Sensoriamento Remoto e Metodologias de Aplicação. Viçosa: UFV.
PCI GEOMATICS. (2018). Geosoluciones: Geomatica OrthoEngine Ortorectificando datos Pleiades 1ª, 1-12.
Pouliot, D., King, D., Bell, F., Pitt, D. (2002). Automated tree crown detection and delineation in high-resolution digital camera imagery of coniferous forest regeneration, Remote Sensing of Environment, Ontario, v. 82, mar, 322-334.
Recio, J. A. (2009). Técnicas De Extracción De Características Y Clasificación De Imágenes Orientada A Objetos Aplicadas A La Actualización De Bases De Datos De Ocupación Del Suelo (Tesis Doctoral en Ingeniería Cartográfica, Geodesia Y Fotogrametría). Universidad de Valencia, Valencia, 310 f.
Richards, J. (2013). Supervised Classification Techniques in: Remote Sensing Digital Image Analysis. 5 th. Ed. Australia: Springer, 173-184.
Santos, T., Lisboa, C., Carvalho, F. (2012). Análise da arborização viária do bairro de Petrópolis, Natal, RN: uma abordagem para diagnóstico e planejamento da flora urbana. Revista da Sociedade Brasileira de Arborização Urbana, Piracicaba, v.7, n.4, 90-106.
Tadenuma, S. (2019). Espacialização Da Arborização De Vias Públicas Por Densidade E Níveis De Atenção Na Na Área Urbana De Ponta Grossa (Pr) (Dissertação de Mestrado em Gestão do Território). Sector De Ciências Exatas E Naturais, Universidade Estadual De Ponta Grossa, Ponta Grossa.
Wu, B., Yu, B., Yue, W., Shu, S., Tan, W., Hu, C., ... & Liu, H. (2013). A voxel-based method for automated identification and morphological parameters estimation of individual street trees from mobile laser scanning data. Remote Sensing, 5(2), 584-611.
Xu, Z., Zhou, Y., Wang, S., Li, F., Wang, S., Wang, Z. (2022). A Novel Intelligent Classification Method for Urban Green Space Based on High-Resolution Remote Sensing Images. Remote Sensing, 2-18.
##submission.downloads##
Publicado
Edição
Secção
Licença
Direitos de Autor (c) 2025 Territorium
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
Os autores conservam os direitos de autor e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite a partilha do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
