Carga Horária: 30
Ementa:
Características da imagem digital. Principais sensores e dados para imageamento terrestre: imagens de satélite, aerofotos, dados de varredura a LASER e VANT. Segmentação. Classificação de imagens: voltada a pixel e a objeto. Inteligência artificial aplicada à classificação de dados de Sensoriamento Remoto. Atributos da vegetação urbana identificáveis por GEOBIA.
Objetivos
Geral:
Capacitar o aluno a realizar processamentos digitais nas imagens de satélite e em dados de varredura a LASER, em análises voltadas a pixel e a objetos, aplicados à arborização urbana.
Específicos:
- Realizar pré-processamentos digitais sobre dados de Sensoriamento Remoto;
- Gerar produtos como NDVI, MNTs e classificação de imagens orientada a pixel;
- Identificar parâmetros de segmentação e atributos ótimos para classificação em análise orientada a objeto.
Referências:
AGARWAL, S.; VAILSHERY, L. S.; JAGANMOHAN, M.; NAGENDRA, H. Mapping Urban Tree Species Using Very High Resolution Satellite Imagery: Comparing Pixel-Based and Object-Based Approaches. ISPRS Int. J. Geo-Inf. 2013, 2, 220-236. Disponível em: https://www.mdpi.com/2220-9964/2/1/220. Acesso em 30/09/2016.
FLORENZANO, T. G. Iniciação em sensoriamento remoto. 2.ed. São Paulo: Oficina de Textos, 2007.
JENSEN, J. Sensoriamento Remoto do Ambiente: uma perspectiva em recursos terrestres. São José dos Campos: Parêntese, 2009.
KUX, H.; BLASCHKE, T. (Org.). Sensoriamento remoto e SIG avançados: novos sistemas sensores, métodos inovadores. 2.ed. São Paulo: Oficina de Textos, 2009.
LILLESAND, T. M.; KIEFER, R. W. Remote sensing and image interpretation. 6a edição. New Jersey: John Wiley & Sons, 2008, 756 p.
NOVO, E. M. L. M. Sensoriamento remoto: princípios e aplicações. São Paulo: Edgar Blücher, 1992.
RICHARDS, J. A. Remote sensing digital image analysis: an introduction. 4.ed. Berlin: Springer - Verlag, 2006.
SCHOTT, J. R. Remote sensing: the image chain approach. New York: Oxford University Press, 1997.
PONZONI, F. J.; SHIMABUKURO, Y. E. Sensoriamento Remoto no Estudo da Vegetação. São Paulo: Editora Parêntese, 2009.
PONZONI, F. J.; SHIMABUKURO, Y. E.; KUPLICH, T. M. Sensoriamento remoto da vegetação. 2ª ed. atualizada e ampliada. São Paulo: Oficina de Textos, 2012.
ARDILA, J. P.; BIJKER, W.; TOLPEKIN, V. A.; STEIN, A. Context-sensitive extraction of tree crown objects in urban areas using VHR satellite images. International Journal of Applied Earth Observation and Geoinformation. n.15 p.57–69. 2012. Disponível em: https://www.sciencedirect.com/science/article/pii/S0303243411000882. Acesso em:m: 23/05/2018.
CAMPBELL, J. B. Introduction to Remote Sensing. 4th Edition. The Guilford Press. New York, 2007.
CENTENO, J. A. S. Sensoriamento remoto e processamento de imagens digitais. Editora UFPR, 2009.
CHUVIECO, E.; HUETE, A. Fundamentals of Satellite Remote Sensing. CRC Press. USA, 2010.
DALMOLIN, Q.; SANTOS, D. R. Sistema LASERSCANNER: conceitos e princípios de funcionamento. Curitiba: UFPR, 2004.
FURTADO, L. F. A., FRANCISCO, C. N. ; ALMEIDA, C. M. Análise de imagem baseada em objeto para classificação das fisionomias da vegetação em imagens de alta resolução espacial. São Paulo, UNESP, Geociências, v. 32, n.3, p.441-451, 2013.
LEONARDI, F. Abordagens cognitivas e mineração de dados aplicadas a dados ópticos orbitais e de laser para a classificação de cobertura do solo urbano. Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2010.
LEONARDI, F.; ALMEIDA, C. M.; FONSECA, L. M. G.; CAMARGO, F. F. Avaliação Comparativa entre Classificação Supervisionada por Regiões e Orientada a Objeto para Imagens de Alta Resolução Espacial: Cbers 2B-HRC e QuickBird. Anais XIV Simpósio Brasileiro de Sensoriamento Remoto, Natal, Brasil, 25-30 abril 2009, INPE, p. 981-988.
LEONARDI, F.; ALMEIDA, C. M.; FONSECA, L. M. G.; TOMÁS, R. R.; OLIVEIRA, C. G. Genetic algorithms and data mining applied to optical orbital and LIDAR data for object-based classification of urban land cover. Proceedings of the 4th GEOBIA, May 7-9, 2012 - Rio de Janeiro - Brazil. p.649 – 654
LIU, W. T. Aplicações de Sensoriamento Remoto. Editora UNIDERP. Campo Grande –MS, 2006.
MARCHETTI, D. A. B.; GARCIA, G. J. Princípios de fotogrametria e fotointerpretação. São Paulo: Nobel, 1989.
MOREIRA, M. A. Fundamentos do Sensoriamento Remoto e metodologias de aplicação. São José dos Campos: INPE, 2001.
MUNARETTO, L. Vant e Drones – A aeronáutica ao alcance de todos. 2ª edição. Edição independente. São José dos Campos-SP, 2017.
PINHO, C. M. D.; FONSECA, L. M. G.; KORTING, T. S.; ALMEIDA, C. M.; KUX, H. J. H. Land-cover classification of an intra-urban environment using high-resolution images and object-based image analysis. International Journal of Remote Sensing, volume 33, número 19, 2012, p. 5973-5995.
PINHO, C. M. D. Análise orientada a objetos de imagens de satélites de alta resolução especial aplicada à classificação de cobertura do solo no espaço intra-urbano: o caso de São José dos Campos-SP. Dissertação de mestrado do curso de pós-graduação em Sensoriamento Remoto – INPE. São José dos Campos, 2006. 176 p.
TSO, B.; MATHER, P. M. Classification methods for remotely sensed data. Editora CRC Press. Florida – USA, 2009.
TEDESCO, A. Delimitação de voçoroca com imagens de alta resolução e ALS por meio de árvore de decisão e GEOBIA. Tese (Doutorado em Ciências Geodésicas) – Setor de Ciências da Terra, Universidade Federal do Paraná. 2015.
VIGNOLA JUNIOR, R. ArbVias – Método de avaliação da arborização no sistema viário urbano. Paisagem e Ambiente: Ensaios - n. 35 - São Paulo - p. 89- 117. 2015. Disponível em : http://www.revistas.usp.br/paam/article/view/105347. Acesso em: 28/11/2018.
ZHANG, K.; HU, B. Individual Urban Tree Species Classification Using Very High Spatial Resolution Airborne Multi-Spectral Imagery Using Longitudinal Profiles. Remote Sens. n.4, p.1741-1757. 2012. Disponível em: https://pdfs.semanticscholar.org/1320/9ce459fa130bd23e075394e82f76927ff948.pdf?_ga=2.216549397.2008792464.1544699855-1033270715.1544699855. Acesso em: 30/09/2016.