Use este identificador para citar ou linkar para este item: https://repositorio.ufu.br/handle/123456789/41419
ORCID:  http://orcid.org/0009-0000-6062-6257
Tipo do documento: Dissertação
Tipo de acesso: Acesso Aberto
Título: Mapeamento pretérito e prognóstico da expansão urbana de Montes Claros/MG usando machine learning
Título(s) alternativo(s): Past and prognostic mapping of the urban expansion of Montes Claros/MG using machine learning
Autor(es): Laurentino, Carla Milena de Moura
Primeiro orientador: Silva, Claudionor Ribeiro da
Primeiro membro da banca: Leite, Marcos Esdras
Segundo membro da banca: Silveira, Alan
Resumo: As cidades apresentaram crescimento constante nas últimas décadas, e é esperado que esse crescimento permaneça nos próximos anos. Por isso, há maior necessidade de acompanhar as alterações do uso e cobertura do solo, causadas pela expansão da mancha urbana. São essas alterações que causam impactos na qualidade de vida urbana, sobretudo a depender da condição social e a região da cidade onde se reside. As regiões de maior amenidade ambiental são ocupadas por uma população de maior poder aquisitivo, em contrapartida, a população pobre reside nas áreas mais distantes e com menores recursos urbanos. Dessa forma, esse trabalho tem como objetivo analisar as mudanças de uso e cobertura do solo entre os anos de 1985 e 2020, com destaque para a área urbana e, desenvolver a simulação de crescimento urbano de Montes Claros para o ano de 2050. Para isso, foram utilizadas imagens de satélite Landsat 5, Landsat 8 e SRTM, que foram manipuladas e utilizadas para gerar variáveis no software Qgis 2.18. Para gerar o uso do solo, as amostras foram inseridas no classificador Random Forest (RF) no software RStudio. Em seguida, foi gerada a simulação de crescimento urbano, utilizando o modelo de autômatos celulares (CA) e Artificial Neural Network (ANN) no plugin MOLUSCE do software Qgis. Os resultados mostraram um crescimento constante da cidade de Montes Claros, entre os anos de 1985 e 2020, houve um acréscimo de 39,42 km² a classe urbana. E, na simulação para o ano de 2050, a cidade continua a crescer, cerca de 30,49 km². Ao gerar o uso do solo o modelo identificou as variáveis MDE, Infravermelho, NDVI e NDWI como as mais importantes para o bom desempenho da classificação. Assim, ao analisar todos os anos, isto é, de 1985 a 2050, é identificado um crescimento expressivo nas regiões urbanas localizadas nos sentidos leste e sul, onde se tem a presença da população de menor poder aquisitivo e de loteamentos populares. No período simulado, foi identificado uma expansão urbana em direção a Serra do Mel, área de proteção ambiental, no entanto, esse avanço urbano não infringe os limites legais. Logo, sobre essa área é esperado o aumento de condomínios fechados e casas de alto padrão, que já são desenvolvidos lá.
Abstract: Cities have shown steady growth in recent decades, and this growth is expected to continue in the coming years. Therefore, there is a greater need to monitor changes in land use and coverage, caused by the expansion of urban areas. It is these changes that cause impacts on the quality of urban life, especially depending on the social condition and the region of the city where one lives. The regions with greater environmental amenities are occupied by a population with greater purchasing power, on the other hand, the poor population resides in the most distant areas and with fewer urban resources. Therefore, this work aims to analyze changes in land use and coverage between the years 1985 and 2020, with emphasis on the urban area, and to develop the urban growth simulation of Montes Claros for the year 2050. To this end, Landsat 5, Landsat 8 and SRTM satellite images were used, which were manipulated and used to generate variables in the Qgis 2.18 software. To generate land use, the samples were inserted into the Random Forest (RF) classifier in the RStudio software. Then, the urban growth simulation was generated, using the cellular automata model (CA) and Artificial Neural Network (ANN) in the MOLUSCE plugin of the Qgis software. The results showed constant growth in the city of Montes Claros, between 1985 and 2020, there was an increase of 39.42 km² in the urban class. And, in the simulation for the year 2050, the city continues to grow, around 30.49 km². When generating land use, the model identified the variables MDE, Infrared, NDVI and NDWI as the most important for the good performance of the classification. Thus, when analyzing every year, that is, from 1985 to 2050, significant growth is identified in urban regions located in the east and south directions, where there is the presence of a population with lower purchasing power and popular subdivisions. In the simulated period, an urban expansion was identified towards Serra do Mel, an environmental protection area, however, this urban advance does not violate legal limits. Therefore, this area is expected to see an increase in gated communities and high-end homes, which are already being developed there.
Palavras-chave: Crescimento urbano
Montes Claros
MOLUSCE
Autômatos celulares
urban growth;
cellular automata
Área(s) do CNPq: CNPQ::CIENCIAS HUMANAS::GEOGRAFIA
Assunto: Geografia
Crescimento urbano - Montes Claros (MG)
Aprendizado do computador
Espaços urbanos - Montes Claros (MG)
Idioma: por
País: Brasil
Editora: Universidade Federal de Uberlândia
Programa: Programa de Pós-graduação em Geografia
Referência: LAURENTINO, Carla Milena de Moura. Mapeamento pretérito e prognóstico da expansão urbana de Montes Claros/MG usando machine learning. 2024. 55 f. Dissertação (Mestrado em Geografia) - Universidade Federal de Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.159.
Identificador do documento: http://doi.org/10.14393/ufu.di.2024.159
URI: https://repositorio.ufu.br/handle/123456789/41419
Data de defesa: 26-Fev-2024
Objetivos de Desenvolvimento Sustentável (ODS): ODS::ODS 11. Cidades e comunidades sustentáveis - Tornar as cidades e os assentamentos humanos inclusivos, seguros, resilientes e sustentáveis.
Aparece nas coleções:DISSERTAÇÃO - Geografia

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MapeamentoPretericoPrognostico.pdfDissertação3.55 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons