| Autor: |
Michelle Tais Garcia Furuya, Danielle Elis Garcia Furuya, Lucas Prado Osco, Ana Paula Marques Ramos |
| Jazyk: |
portugalština |
| Rok vydání: |
2022 |
| Předmět: |
|
| Zdroj: |
Colloquium Exactarum, Vol 13, Iss 3 (2022) |
| Druh dokumentu: |
article |
| ISSN: |
2178-8332 |
| Popis: |
O processo de urbanização expõe a paisagem urbana a rápidas e constantes transformações. A mudança nos padrões de uso e cobertura do solo impacta diretamente na qualidade de vida das cidades. Por isso o monitoramento da composição territorial urbana se torna fundamental para a gestão urbana. Para obter acesso a esses dados, estudos vem aplicando técnicas de sensoriamento remoto aliada à aprendizagem de máquina (machine learning). As imagens de satélites oferecem dados em larga escala e com alta resolução temporal, facilitando a detecção de mudanças na paisagem. Já os algoritmos de machine learning proporcionam classificações com maior acurácia em relação aos métodos tradicionais. A partir desse contexto e das técnicas disponíveis, o estudo tem como objetivo avaliar o desempenho do algoritmo Support Vector Machine (SVM) em quantificar áreas impermeáveis no perímetro urbano de Presidente Prudente a partir de uma imagem Planet. O processo de classificação foi feito por meio do software ArcGIS Pro. Os resultados demonstram alto desempenho para o SVM quando aplicado em classificação de áreas impermeáveis em território urbano. A acurácia de 94% evidencia que o método proposto no trabalho é útil como ferramenta para o planejamento urbano. |
| Databáze: |
Directory of Open Access Journals |
| Externí odkaz: |
|
