1. Repositório Institucional - Universidade Federal de Uberlândia
2. Instituto de Geografia (IGUFU)
3. TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo)

Tipo do documento:	Trabalho de Conclusão de Curso
Tipo de acesso:	Acesso Aberto
Título:	Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG
Autor(es):	Custodio, Andressa Lana Bueno
Primeiro orientador:	Gallis, Rodrigo Bezerra de Araújo
Primeiro coorientador:	Luz, Naíssa Batista da
Primeiro membro da banca:	Gallis, Rodrigo Bezerra de Araújo
Segundo membro da banca:	Luz , Naíssa Batista da
Terceiro membro da banca:	Ferreira, Ricardo Vicente
Resumo:	O mapeamento do uso e ocupação do solo tornou-se importante para a compreensão dos padrões de disposição do espaço, contribuindo para o planejamento e gestão de áreas, além de auxiliar na fiscalização de áreas protegidas. A crescente dos avanços tecnológicos tem aumentado cada vez mais volume de dados que estão sendo atualizados diariamente por várias agências governamentais como a NASA, USGS e NOAA, bem como a Agência Espacial Europeia. Com o intuito de criar uma plataforma capaz de processar esse grande volume de dados foi implementada a plataforma Google Earth Engine onde o objetivo principal foi ajudar pesquisadores brasileiros no monitoramento de desmatamento na Amazônia .Este trabalho tem como objetivo a implementação de um algoritmo capaz de classificar o uso e cobertura da Terra a partir de séries temporais de imagens de satélites utilizando o Classificador Randon Forest através da plataforma GEE para o Município de Monte Carmelo pertencente ao estado de Minas Gerais utilizando a linguagem JavaScript.. O classificador é o mais utilizado dentro da plataforma e constatou-se um melhor desempenho e exatidão em comparação aos outros. O método Random Forest consiste em um conjunto de árvores de decisão geradas dentro de um mesmo objeto. Cada conjunto de árvores passa por um mecanismo de votação, que indica a classificação mais votada que se encontra nos nós terminais das mesmas. Foi utilizado um grande número de imagens vencendo o obstáculo da presença de nuvens na região. A aplicação do algoritmo Random Forest mostrou-se muito eficaz no mapeamento do uso e cobertura da Terra, obtendo a acurácia das classificações no intervalo de 72,6% a 82,6% e tendo de acordo com os resultados dos Índices Kappa um grau de acordo Substancial; a classificação que obteve o melhor resultado foi utilizando a mediana, máximo, mínimo das bandas do vermelho, verde, azul, infravermelho, infravermelho próximo 1 e 2, NDVI, EVI e SAVI das imagens Landsat e Sentinel 2. Houve confusão do classificador para as classes de área urbana e cultura, porem o algoritmo teve um bom funcionamento sendo possível a realização de atividades de mapeamento e monitoramento de forma continua na região, sem custo, utilizando-se da plataforma computacional do seu poder de processamento e da base de dados constantemente atualizada a custo zero. O classificador foi treinado com as imagens referente ao ano de 2019 para aproximar-se da assinatura espectral de cada classe não se restringindo para classificação apenas do ano em questão.
Palavras-chave:	Randon Forest Índices de Vegetação Google Earth Engine.
Área(s) do CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Referência:	CUSTODIO, Andressa Lana Bueno. Big data e nuvens computacionais para a classificação do uso e cobertura da terra do município de Monte Carmelo -MG. 2019. 53 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) - Universidade Federal de Uberlândia, Monte Carmelo, 2020.
URI:	https://repositorio.ufu.br/handle/123456789/30858
Data de defesa:	11-Dez-2020
Aparece nas coleções:	TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo)

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.