Publicação
Individualização de copas de árvores através de detecção remota
| Resumo: | As florestas desempenham um papel de extrema importância na sociedade e, consequentemente, o conhecimento sobre ela é essencial para a sua gestão e usufruto sustentável. A recolha de informação florestal é um processo complexo, tradicionalmente alcançado através de inventários florestais. A Deteção Remota tem sofrido um desenvolvimento crescente que tem vindo a possibilitar soluções inovadoras e eficazes em diversos campos do conhecimento, nomeadamente no que diz respeito à gestão florestal. A Individualização de Copas de Árvores (ICA) a partir de fotografia aérea é uma operação que poderá facilitar a recolha de informação florestal, permitindo a obtenção indireta de parâmetros físicos das árvores, medidas estas de extrema importância para a gestão florestal. Assim, o presente relatório de estágio tem como principal objetivo explorar diversos algoritmos que permitem a ICA de forma mais automatizada, num sistema florestal característico de Portugal: o Montado. Trata-se de um sistema florestal único no contexto nacional, no qual a monotorização e correta gestão florestal pode ser melhorada e desenvolvida a partir de novas metodologias. Neste seguimento foi utilizada como base de trabalho uma fotografia aérea de alta resolução correspondente a uma zona de montado e uma metodologia de trabalho dividida em três fases distintas: a construção de objetos representados na imagem, uma classificação por limares para seleção dos objetos correspondentes a copas de árvores e a validação da cartografia de Copas de Árvores obtida. Foram aplicados cinco algoritmos que permitiram a construção dos objetos representados na imagem, assentes em bases técnicas distintas. Desde os mais usualmente utilizados nesta tarefa, baseados na segmentação de imagens - Watershed, Crescimento de Regiões e Multiresolução – até a técnicas mais avançadas, como os algoritmos de aprendizagem automática (machine learning) - Random Forests e Máxima Entropia. Na fase seguinte foram selecionados os objetos que correspondiam a copas de árvores através de um processo de classificação por limiares, fazendo uso de um conjunto de variáveis espectrais e morfológicas de interesse.Foram produzidos mapas de Copas de Árvores para cada algoritmo, verificando-se para os algoritmos de segmentação uma exatidão global entre 0,67 - 0,73 e coeficiente de concordância Kappa abaixo de 0,46 e para os algoritmos de machine learning uma exatidão global entre 0,79 - 0,81 e coeficiente de concordância Kappa acima de 0,55. Estes últimos demonstraram-se assim promissores na tarefa de ICA, em detrimento dos já convencionalmente aplicados. |
|---|---|
| Autores principais: | Soares, Sara João Correia Lobo |
| Assunto: | Cartografia de Copas de Árvores Machine learning Segmentação de imagens Montado |
| Ano: | 2019 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | português |
| Origem: | Repositório da Universidade de Lisboa |
| _version_ | 1866809200357670912 |
|---|---|
| author | Soares, Sara João Correia Lobo |
| author_facet | Soares, Sara João Correia Lobo |
| author_role | author |
| contributor_name_str_mv | Rocha, Jorge Pires, Daniel Filipe Carvalho Miranda Repositório Científico de Acesso Aberto da ULisboa |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Soares, Sara João Correia Lobo\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Rocha, Jorge Pires, Daniel Filipe Carvalho Miranda Repositório Científico de Acesso Aberto da ULisboa |
| datacite.creators.creator.creatorName.fl_str_mv | Soares, Sara João Correia Lobo |
| datacite.date.Accepted.fl_str_mv | 2019-03-20T00:00:00Z |
| datacite.date.available.fl_str_mv | 2019-05-06T11:29:20Z |
| datacite.date.embargoed.fl_str_mv | 2019-05-06T11:29:20Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | Cartografia de Copas de Árvores Machine learning Segmentação de imagens Montado |
| datacite.titles.title.fl_str_mv | Individualização de copas de árvores através de detecção remota Fernando Jorge Pedro da Silva Pinto da Rocha e pelo Dr. |
| dc.contributor.none.fl_str_mv | Rocha, Jorge Pires, Daniel Filipe Carvalho Miranda Repositório Científico de Acesso Aberto da ULisboa |
| dc.creator.none.fl_str_mv | Soares, Sara João Correia Lobo |
| dc.date.Accepted.fl_str_mv | 2019-03-20T00:00:00Z |
| dc.date.available.fl_str_mv | 2019-05-06T11:29:20Z |
| dc.date.embargoed.fl_str_mv | 2019-05-06T11:29:20Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://hdl.handle.net/10451/38029 |
| dc.language.none.fl_str_mv | por |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.subject.none.fl_str_mv | Cartografia de Copas de Árvores Machine learning Segmentação de imagens Montado |
| dc.title.fl_str_mv | Individualização de copas de árvores através de detecção remota Fernando Jorge Pedro da Silva Pinto da Rocha e pelo Dr. |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_bdcc |
| description | As florestas desempenham um papel de extrema importância na sociedade e, consequentemente, o conhecimento sobre ela é essencial para a sua gestão e usufruto sustentável. A recolha de informação florestal é um processo complexo, tradicionalmente alcançado através de inventários florestais. A Deteção Remota tem sofrido um desenvolvimento crescente que tem vindo a possibilitar soluções inovadoras e eficazes em diversos campos do conhecimento, nomeadamente no que diz respeito à gestão florestal. A Individualização de Copas de Árvores (ICA) a partir de fotografia aérea é uma operação que poderá facilitar a recolha de informação florestal, permitindo a obtenção indireta de parâmetros físicos das árvores, medidas estas de extrema importância para a gestão florestal. Assim, o presente relatório de estágio tem como principal objetivo explorar diversos algoritmos que permitem a ICA de forma mais automatizada, num sistema florestal característico de Portugal: o Montado. Trata-se de um sistema florestal único no contexto nacional, no qual a monotorização e correta gestão florestal pode ser melhorada e desenvolvida a partir de novas metodologias. Neste seguimento foi utilizada como base de trabalho uma fotografia aérea de alta resolução correspondente a uma zona de montado e uma metodologia de trabalho dividida em três fases distintas: a construção de objetos representados na imagem, uma classificação por limares para seleção dos objetos correspondentes a copas de árvores e a validação da cartografia de Copas de Árvores obtida. Foram aplicados cinco algoritmos que permitiram a construção dos objetos representados na imagem, assentes em bases técnicas distintas. Desde os mais usualmente utilizados nesta tarefa, baseados na segmentação de imagens - Watershed, Crescimento de Regiões e Multiresolução – até a técnicas mais avançadas, como os algoritmos de aprendizagem automática (machine learning) - Random Forests e Máxima Entropia. Na fase seguinte foram selecionados os objetos que correspondiam a copas de árvores através de um processo de classificação por limiares, fazendo uso de um conjunto de variáveis espectrais e morfológicas de interesse.Foram produzidos mapas de Copas de Árvores para cada algoritmo, verificando-se para os algoritmos de segmentação uma exatidão global entre 0,67 - 0,73 e coeficiente de concordância Kappa abaixo de 0,46 e para os algoritmos de machine learning uma exatidão global entre 0,79 - 0,81 e coeficiente de concordância Kappa acima de 0,55. Estes últimos demonstraram-se assim promissores na tarefa de ICA, em detrimento dos já convencionalmente aplicados. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| fulltext.url.fl_str_mv | https://repositorio.ulisboa.pt/bitstreams/0a9777ab-a6e2-4619-bc11-442489adbcd5/download |
| id | ul_bbcc1908ccc24976d44f1d99bebead8e |
| identifier.url.fl_str_mv | http://hdl.handle.net/10451/38029 |
| instacron_str | ul |
| institution | Universidade de Lisboa |
| instname_str | Universidade de Lisboa |
| language | por |
| network_acronym_str | ul |
| network_name_str | Repositório da Universidade de Lisboa |
| oai_identifier_str | oai:repositorio.ulisboa.pt:10451/38029 |
| organization_str_mv | urn:organizationAcronym:ul |
| person_str_mv | Soares, Sara João Correia Lobo |
| publishDate | 2019 |
| reponame_str | Repositório da Universidade de Lisboa |
| repository_id_str | urn:repositoryAcronym:ul |
| service_str_mv | urn:repositoryAcronym:ul |
| spelling | porpt_PTAs florestas desempenham um papel de extrema importância na sociedade e, consequentemente, o conhecimento sobre ela é essencial para a sua gestão e usufruto sustentável. A recolha de informação florestal é um processo complexo, tradicionalmente alcançado através de inventários florestais. A Deteção Remota tem sofrido um desenvolvimento crescente que tem vindo a possibilitar soluções inovadoras e eficazes em diversos campos do conhecimento, nomeadamente no que diz respeito à gestão florestal. A Individualização de Copas de Árvores (ICA) a partir de fotografia aérea é uma operação que poderá facilitar a recolha de informação florestal, permitindo a obtenção indireta de parâmetros físicos das árvores, medidas estas de extrema importância para a gestão florestal. Assim, o presente relatório de estágio tem como principal objetivo explorar diversos algoritmos que permitem a ICA de forma mais automatizada, num sistema florestal característico de Portugal: o Montado. Trata-se de um sistema florestal único no contexto nacional, no qual a monotorização e correta gestão florestal pode ser melhorada e desenvolvida a partir de novas metodologias. Neste seguimento foi utilizada como base de trabalho uma fotografia aérea de alta resolução correspondente a uma zona de montado e uma metodologia de trabalho dividida em três fases distintas: a construção de objetos representados na imagem, uma classificação por limares para seleção dos objetos correspondentes a copas de árvores e a validação da cartografia de Copas de Árvores obtida. Foram aplicados cinco algoritmos que permitiram a construção dos objetos representados na imagem, assentes em bases técnicas distintas. Desde os mais usualmente utilizados nesta tarefa, baseados na segmentação de imagens - Watershed, Crescimento de Regiões e Multiresolução – até a técnicas mais avançadas, como os algoritmos de aprendizagem automática (machine learning) - Random Forests e Máxima Entropia. Na fase seguinte foram selecionados os objetos que correspondiam a copas de árvores através de um processo de classificação por limiares, fazendo uso de um conjunto de variáveis espectrais e morfológicas de interesse.Foram produzidos mapas de Copas de Árvores para cada algoritmo, verificando-se para os algoritmos de segmentação uma exatidão global entre 0,67 - 0,73 e coeficiente de concordância Kappa abaixo de 0,46 e para os algoritmos de machine learning uma exatidão global entre 0,79 - 0,81 e coeficiente de concordância Kappa acima de 0,55. Estes últimos demonstraram-se assim promissores na tarefa de ICA, em detrimento dos já convencionalmente aplicados.application/pdfpt_PTIndividualização de copas de árvores através de detecção remotaAlternativeTitlept_PTFernando Jorge Pedro da Silva Pinto da Rocha e pelo Dr.Soares, Sara João Correia LoboRocha, JorgePires, Daniel Filipe Carvalho MirandaHostingInstitutionOrganizationalRepositório Científico de Acesso Aberto da ULisboae-mailmailto:repositorio@reitoria.ulisboa.ptrepositorio@reitoria.ulisboa.ptURNurn:tid:2022277582019-05-06T11:29:20Z2019-03-2020192019-03-20T00:00:00ZHandlehttp://hdl.handle.net/10451/38029http://purl.org/coar/access_right/c_abf2open accessCartografia de Copas de ÁrvoresMachine learningSegmentação de imagensMontado6790646 bytesliteraturehttp://purl.org/coar/resource_type/c_bdccmaster thesishttp://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://repositorio.ulisboa.pt/bitstreams/0a9777ab-a6e2-4619-bc11-442489adbcd5/download |
| spellingShingle | Individualização de copas de árvores através de detecção remota Soares, Sara João Correia Lobo Cartografia de Copas de Árvores Machine learning Segmentação de imagens Montado |
| status | SINGLETON |
| subject.fl_str_mv | Cartografia de Copas de Árvores Machine learning Segmentação de imagens Montado |
| title | Individualização de copas de árvores através de detecção remota |
| title_full | Individualização de copas de árvores através de detecção remota |
| title_fullStr | Individualização de copas de árvores através de detecção remota |
| title_full_unstemmed | Individualização de copas de árvores através de detecção remota |
| title_short | Individualização de copas de árvores através de detecção remota |
| title_sort | Individualização de copas de árvores através de detecção remota |
| topic | Cartografia de Copas de Árvores Machine learning Segmentação de imagens Montado |
| topic_facet | Cartografia de Copas de Árvores Machine learning Segmentação de imagens Montado |
| url | http://hdl.handle.net/10451/38029 |
| visible | 1 |