Utilização de imagens de satélite como ferramenta de auxilio ao planejamento urbano
Palabras clave:
Planejamento urbano, processamento de imagens, imagens de satélite.Resumen
A região estudada, o Município de São Bernardo do Campo, é uma importante região localizada no Estado de São Paulo, Brasil, e onde se concentram grandes indústrias e importante manancial hídrico que forma a represa Billings, que faz parte do complexo hidrelétrico da Usina Henry Borden. A preocupação com a ocupação urbana desordenada e irregular nesta área, levou a prefeitura do município a procurar formas alternativas para monitoramento e mapeamento da região, visto que as formas tradicionais não estavam conseguindo conter a invasão. Assim, desenvolveu-se, uma metodologia de monitoramento da ocupação do solo através do processamento de imagens digitais do satélite Landsat 7 e a classificação, por máxima verossimilhança, dessas imagens. Com essa metodologia o monitoramento pela prefeitura é realizado com mais rapidez e precisão, diminuindo o trabalho e aumentando a eficiência.
Descargas
Los datos de descargas todavía no están disponibles.
Citas
ANDERSON, J.; HARDY, E.; ROACH, J. & WITMER, R. Sistemas de classificação de uso da terra e do revestimento do solo para utilização com dados de sensoriamento remoto. Trad. de H. Strang. Rio de Janeiro: IBGE, 1996, Nº 78.
BARALDI, A. & PARMIGGIANI, F. Urban area classification by multispectral SPOT data. IEEE Transactions on Geoscience and Remote Sensing, 1990, Vol. 28, Nº 4, p.
674-680.
BERBEROGLU, S.; LLOYD, C.; ATKINSON, P. & CURRAN, P. The integration of spectral and textural information using neural networks for land cover mapping in the
Mediterranean. Computers & Geosciences, 2000, Vol. 26, Nº 4, p. 385-396.
CAMPOS, M. Incorporação de dados auxiliares no processo de classificação, 2002. Disponível em Internet: http://www.geoc.ufpr.br/~gfoto/pdi/dadosaux/dadosaux.html.
EASTMAN, J. IDRISI for Windows: Manual do usuário. Introdução e Exercícios tutoriais. Trad. de Heinrich Hasenack e Eliseu Webwe. Porto Alegre: UFRGS/ Centro de Recursos Idrisi, 1998. Disponível em Internet: http://www.ecologia.ufrgs.br/idrisi/download/tutorial.pdf.
FOODY,G. & ARORA, M. Incorporating mixed pixels in the training, allocation and testing stages of supervised classifications. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p. 1389-1398.
FRANKLIN, S.; WULDER, M. & LAVIGNE, M. Automated derivation of geographic window sizes for use in remote sensing digital image texture analysis. Computers & Geosciences , 1996, Vol. 22, Nº 6, p. 665-673.
GONZALEZ, R. & WOODS, R. Processamento de imagens digitais. São Paulo: Edgard Blucher, 2000.
HAYKIN, S. Neural Networks - A Comprehensive Foundation. New York: Macmillan, 1994.
IBGE (Instituto Brasileiro de Geografia e Estatística). Brasil em síntese. Dados geográficos. Disponível em Internet: http://www.ibge.gov.br.
JENSEN, J. Introductory digital image processing. New Jersey: Prentice-Hall, 1986.
MATTIKALLI, N. Soil color modeling for the visible and near-infrared bands of Landsat sensors using laboratory spectral measurements. Remote Sensing of Environment, 1997, Vol. 59, Nº 1, p. 14-28.
MOLLER-JENSEN, L. Knowledge-based classification of an urban area using texture and context information in Landsat TM imagery. Photogrammetric Enginering and Remote Sensing, 1990, Vol. 56, Nº 6, p. 899-904.
MOLLER-JENSEN, L. Classification of urban land cover based on expert systems, object models and texture. Computers, Environment and Urban Systems, 1997, Vol.
21, Nº 3-4, p. 291-302.
MUNICÍPIO DE SÃO BERNARDO DO CAMPO. Evolução da população. 2002. Disponível em Internet: h t t p : / /www. s a o b e r n a r d o . s p . g o v. b r /
sec_administracao/evolucaopopulacao.htm.
OLMO, M. & HERNANDEZ, F. Computing geostatistical image texture for remotely sensed data classification. Computers & Geosciences, 2000, Vol. 26, Nº 4, p.
373-383.
PREFEITURA DO MUNICÍPIO DE SÃO BERNARDO DO CAMPO. Compêndio Estatístico. São Bernardo do Campo: Prefeitura do município de São Bernardo do Campo,
1998.
QUINTANILHA, J.; IWAI, O. & HAMBURGUER, D. Technology transfer in digitalimage processing techniques. In: International IT Conference in Geo Spatial Education, Hong Kong, 2000. Hong Kong: Hong Kong Polytechnic University, 2000. Disponível em Internet: http://www.lsgi.polyu.edu.hk/publications/ proceedings/ITCGSE?Proceedings.pdf
RIDD, M. & LIU, J. A Comparison of Four Algorithms for Change Detection in an Urban Environment. Remote Sensing of Environment, 1998, Vol. 63, Nº 2, p. 95-100.
SECRETARIA DO MEIO AMBIENTE; CETESB; SECRETARIA DE RECURSOS HÍDRICOS, SANEAMENTO E OBRAS e SABESP, GOVERNO DO ESTADO DE SÃO PAULO. Termo de referência para o Programa de Recuperação Ambiental da Bacia da Billings. São Paulo: Technical Report, 1999.
SERPICO, S.; BRUZZONE, L. & ROLI, F. An experimental comparison of neural and statistical non-parametric algorithm for supervised classification of remote sensing images. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p.1331-1341.
SCHOWENGERDT, R. On the estimation of spatial-spectral mixing with classifier likelihood functions. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p. 1379-1387.
STUCKENS, J.; COPPIN, P. & BAUER, M. Integrating contextual information with per-pixel classification for improved land cover classification. Remote Sensing of Environment, 2000, Vol. 71, Nº 3, p. 282- 296.
TEIXEIRA, A. & CHRISTOFOLETTI, A. Sistemas de Informação Geográfica. Dicionário Ilustrado. São Paulo: Editora Hucitec, 1997.
ZHANG, Y. Optimisation of building detection in satellite images by combining multispectral classification and texture filtering. ISPRS Journal of Photogrammetry &
Remote Sensing, 1994, Vol. 54, Nº 1, p. 50-60.
BARALDI, A. & PARMIGGIANI, F. Urban area classification by multispectral SPOT data. IEEE Transactions on Geoscience and Remote Sensing, 1990, Vol. 28, Nº 4, p.
674-680.
BERBEROGLU, S.; LLOYD, C.; ATKINSON, P. & CURRAN, P. The integration of spectral and textural information using neural networks for land cover mapping in the
Mediterranean. Computers & Geosciences, 2000, Vol. 26, Nº 4, p. 385-396.
CAMPOS, M. Incorporação de dados auxiliares no processo de classificação, 2002. Disponível em Internet: http://www.geoc.ufpr.br/~gfoto/pdi/dadosaux/dadosaux.html.
EASTMAN, J. IDRISI for Windows: Manual do usuário. Introdução e Exercícios tutoriais. Trad. de Heinrich Hasenack e Eliseu Webwe. Porto Alegre: UFRGS/ Centro de Recursos Idrisi, 1998. Disponível em Internet: http://www.ecologia.ufrgs.br/idrisi/download/tutorial.pdf.
FOODY,G. & ARORA, M. Incorporating mixed pixels in the training, allocation and testing stages of supervised classifications. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p. 1389-1398.
FRANKLIN, S.; WULDER, M. & LAVIGNE, M. Automated derivation of geographic window sizes for use in remote sensing digital image texture analysis. Computers & Geosciences , 1996, Vol. 22, Nº 6, p. 665-673.
GONZALEZ, R. & WOODS, R. Processamento de imagens digitais. São Paulo: Edgard Blucher, 2000.
HAYKIN, S. Neural Networks - A Comprehensive Foundation. New York: Macmillan, 1994.
IBGE (Instituto Brasileiro de Geografia e Estatística). Brasil em síntese. Dados geográficos. Disponível em Internet: http://www.ibge.gov.br.
JENSEN, J. Introductory digital image processing. New Jersey: Prentice-Hall, 1986.
MATTIKALLI, N. Soil color modeling for the visible and near-infrared bands of Landsat sensors using laboratory spectral measurements. Remote Sensing of Environment, 1997, Vol. 59, Nº 1, p. 14-28.
MOLLER-JENSEN, L. Knowledge-based classification of an urban area using texture and context information in Landsat TM imagery. Photogrammetric Enginering and Remote Sensing, 1990, Vol. 56, Nº 6, p. 899-904.
MOLLER-JENSEN, L. Classification of urban land cover based on expert systems, object models and texture. Computers, Environment and Urban Systems, 1997, Vol.
21, Nº 3-4, p. 291-302.
MUNICÍPIO DE SÃO BERNARDO DO CAMPO. Evolução da população. 2002. Disponível em Internet: h t t p : / /www. s a o b e r n a r d o . s p . g o v. b r /
sec_administracao/evolucaopopulacao.htm.
OLMO, M. & HERNANDEZ, F. Computing geostatistical image texture for remotely sensed data classification. Computers & Geosciences, 2000, Vol. 26, Nº 4, p.
373-383.
PREFEITURA DO MUNICÍPIO DE SÃO BERNARDO DO CAMPO. Compêndio Estatístico. São Bernardo do Campo: Prefeitura do município de São Bernardo do Campo,
1998.
QUINTANILHA, J.; IWAI, O. & HAMBURGUER, D. Technology transfer in digitalimage processing techniques. In: International IT Conference in Geo Spatial Education, Hong Kong, 2000. Hong Kong: Hong Kong Polytechnic University, 2000. Disponível em Internet: http://www.lsgi.polyu.edu.hk/publications/ proceedings/ITCGSE?Proceedings.pdf
RIDD, M. & LIU, J. A Comparison of Four Algorithms for Change Detection in an Urban Environment. Remote Sensing of Environment, 1998, Vol. 63, Nº 2, p. 95-100.
SECRETARIA DO MEIO AMBIENTE; CETESB; SECRETARIA DE RECURSOS HÍDRICOS, SANEAMENTO E OBRAS e SABESP, GOVERNO DO ESTADO DE SÃO PAULO. Termo de referência para o Programa de Recuperação Ambiental da Bacia da Billings. São Paulo: Technical Report, 1999.
SERPICO, S.; BRUZZONE, L. & ROLI, F. An experimental comparison of neural and statistical non-parametric algorithm for supervised classification of remote sensing images. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p.1331-1341.
SCHOWENGERDT, R. On the estimation of spatial-spectral mixing with classifier likelihood functions. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p. 1379-1387.
STUCKENS, J.; COPPIN, P. & BAUER, M. Integrating contextual information with per-pixel classification for improved land cover classification. Remote Sensing of Environment, 2000, Vol. 71, Nº 3, p. 282- 296.
TEIXEIRA, A. & CHRISTOFOLETTI, A. Sistemas de Informação Geográfica. Dicionário Ilustrado. São Paulo: Editora Hucitec, 1997.
ZHANG, Y. Optimisation of building detection in satellite images by combining multispectral classification and texture filtering. ISPRS Journal of Photogrammetry &
Remote Sensing, 1994, Vol. 54, Nº 1, p. 50-60.
Descargas
Cómo citar
KAZUKO IWAI, O., & QUINTANILHA, J. A. (2021). Utilização de imagens de satélite como ferramenta de auxilio ao planejamento urbano. Revista De Geografía Norte Grande, (34), 65–82. Recuperado a partir de https://pensamientoeducativo.uc.cl/index.php/RGNG/article/view/43765
Número
Sección
Artículos
