Author(s): Martins, Nuno Miguel Nogueira
Date: 2012
Persistent ID: http://hdl.handle.net/10451/9148
Origin: Repositório da Universidade de Lisboa
Subject(s): QuickBird; Ikonos; WorldView-2; Imagens satélite; Modelo digital de superfície normalizado; Classificação não-supervisionada; Classificação supervisionada; Índices de vegetação; Árvores de decisão; Matriz de confusão; Teses de mestrado - 2012
Tese de mestrado em Engenharia Geográfica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2012
Pretende-se, com a elaboração desta dissertação, explorar o potencial das imagens do satélite WorldView-2 para a extração de elementos em ambiente urbano em comparação com os resultados obtidos com outras imagens de muito alta resolução espacial, tais como as dos satélites QuickBird e Ikonos. Para tal, foi realizado um estudo comparativo recorrendo à utilização de diversos métodos de classificação supervisionada e não-supervisionada de imagens satélite, os quais se baseiam apenas nas características espetrais das imagens e também à construção de árvores de decisão, utilizando índices de vegetação e um modelo digital de superfície normalizado da área de estudo. Neste trabalho, os resultados obtidos no método de classificação de árvores de decisão foram mais precisos porque apenas neste método é que foram utilizados os respetivos dados auxiliares. As principais dificuldades encontradas na execução deste trabalho estão relacionados com os erros de classificação resultantes das características complexas dos ambientes urbanos, sendo que a existência de sombras e de rebatimentos nas estruturas mais elevadas correspondem também a limitações deste tipo de imagens. Neste estudo verificou-se que, para a imagem do WorldView-2, a aplicação da árvore de decisão foi onde se obteve os melhores resultados (na ordem dos 90% de exatidão global). Por outro lado, os resultados obtidos com a aplicação de algoritmos de classificação supervisionada não permitiram concluir qual a imagem que apresenta os melhores resultados, uma vez que a imagem do WorldView-2 foi a que apresentou melhores resultados no método de classificação da máxima verossimilhança (96% de exatidão global) e a imagem do QuickBird foi a que apresentou melhores resultados no método da distância de Mahalanobis (na ordem dos 74% de exatidão global). De realçar que as três imagens obtiveram os melhores resultados no método da máxima verossimilhança (na ordem dos 95% de exatidão global, na imagem do QuickBird, 84% de exatidão global, na imagem do Ikonos e 96% de exatidão global, na imagem do WorldView-2), sendo a imagem do Ikonos a que apresentou os piores resultados, comparando com as outras imagens, em todos os métodos de classificação utilizados. A dissertação está escrita de acordo com o novo acordo ortográfico.
The purpose of this thesis is to explore the potential of satellite images WorldView-2 for the extraction of elements in an urban environment compared with the results obtained with other images of very high spatial resolution, such as QuickBird and Ikonos satellites. To this end, a comparative study was conducted by the use of several methods of supervised and unsupervised classification satellite images, which are based only on the spectral characteristics of the images and also the construction of decision trees, using vegetation index images and a normalized digital surface model of the study area. In this work, the results obtained in the method of classification decision trees were more accurate because only is this method that was used the respective auxiliary data. The main difficulties encountered in implementing this work are related to classification errors resulting from complex characteristics of urban environments, and the existence of shadows and higher repercussions structures correspond also to the limitations of this type of images. In this study it was found that, to WorldView-2 image, the application of the decision tree was where obtained the best results (around 90% global accuracy). Moreover, the results obtained with the application of supervised classification algorithms do not allow to conclude that the image gives the best results, since the image of WorldView-2 showed the best results in the method of maximum likelihood classification (96% global accuracy) and QuickBird image showed the best results in the method of Mahalanobis distance (around 74% global accuracy). Note that the three images obtained the best results in the maximum likelihood method (around 95% of global accuracy, the image of QuickBird, 84% of global accuracy, the Ikonos image and 96% of global accuracy, the image of WorldView-2) and the image Ikonos presented the worse results compared to the other images in all the methods of sorting used. The dissertation is written according to the new agreement spelling.
