Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/31291
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2022_BrizaDaSilvaAguiar_tcc.pdf2,07 MBAdobe PDFver/abrir
Título: Análise de mancha urbana a partir da série temporal de imagens Landsat : o caso das regiões administrativas Ceilândia e Pôr do Sol
Autor(es): Aguiar, Briza da Silva
Orientador(es): Baptista, Gustavo Macedo de Mello
Assunto: Sensoriamento remoto
Crescimento urbano
Data de apresentação: 4-Mai-2022
Data de publicação: 29-Jun-2022
Referência: AGUIAR, Briza da Silva. Análise de mancha urbana a partir da série temporal de imagens Landsat: o caso das regiões administrativas Ceilândia e Pôr do Sol. 2022. 43 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciências Ambientais) — Universidade de Brasília, Brasília, 2022.
Resumo: O objetivo deste trabalho foi avaliar o crescimento da mancha urbana nas Regiões Administrativas Ceilândia e Pôr do Sol, no Distrito Federal, e determinar suas tendências de crescimento. A análise foi realizada através da classificação pixel a pixel, em imagens TM/Landsat-5 e OLI/Landsat-8, adquiridas nos anos de 1984, 1995, 2006, 2016 e 2021. As cenas foram submetidas a conversão em reflectância de superfície e correção geométrica. Foi realizada a Análise de Componentes Principais para gerar mapas com menor mistura espectral e auxiliar na identificação das classes. A classificação da cobertura da terra foi realizada utilizando o algoritmo de aprendizagem de máquina K-Nearest Neighbor. Para avaliar a acurácia da classificação foi empregada a matriz de confusão, por meio dos valores da acurácia do produtor, do usuário e global. Os resultados alcançados foram classificados como excelentes. Visando compreender a dinâmica de crescimento das duas cidades, foram geradas curvas de tendência, e, a partir dos dados da classificação da cobertura da terra, foi possível concluir que a Ceilândia Tradicional apresenta tendência de estagnação no avanço da mancha urbana e o Pôr do Sol apresenta tendência de crescimento.
Abstract: This work sought to evaluate the growth of the urban area in the Administrative Regions of Ceilândia and Pôr do Sol, in the Federal District, Brazil, and to determine their growth trends. The analysis was performed through pixel-by-pixel classification, in TM/Landsat-5 and OLI/Landsat-8 images, acquired in 1984, 1995, 2006, 2016, and 2021. The scenes were submitted to surface reflectance conversion and geometric correction. Principal Component Analysis was carried out to generate maps with less spectral mixing and assist in the identification of classes. Land cover classification was performed using the K-Nearest Neighbor machine learning algorithm to assess the accuracy of the classification, the confusion matrix was used, through the values of global, producer and user accuracy. The results achieved were classified as excellent. In order to understand the growth dynamics of the two cities, trend curves were generated and, from the data of the land cover classification, it was possible to conclude that the traditional Ceilândia presents a tendency of stagnation in the advance of the urban area and Pôr do Sol shows a growth trend.
Informações adicionais: Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Biológicas, Instituto de Geociências, Instituto de Química, Centro de Desenvolvimento Sustentável, Faculdade de Administração, Contabilidade, Economia - Departamento de Economia, 2022.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Ciências Ambientais



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.