A carregar...
Publicação
Geographic Object Based Image Analysis aplicada a dados Sentinel 2 MSI
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 6.3 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
O método de classificação ao objeto – Geographic Object-Based Image Analysis (GEOBIA) serviu para classificar, com recurso a dados Sentinel 2 MSI, os tipos de uso e ocupação de solo no município de Almada. Para isso foi utilizado um método de classificação supervisionado ao objeto sem recurso a classificadores estatísticos automáticos e a qualidade do mapeamento final, foi aferida pelo cálculo das seguintes métricas de precisão temática: precisão global, percentagem de erro, precisão no produtor, precisão no utilizador, erro de comissão e erro de omissão. Foram considerados como satisfatórios os resultados que apresentassem uma precisão global >= 80%, e por tema uma precisão no utilizador e produtor igualmente >= 80%. A precisão global foi 81%, a percentagem de erro 19% e os temas que cumpriram os requisitos de precisão foram: 11 Tecido urbano (92%; 90%), 12 Indústria, comércio e transportes (81%; 96%), 141 Espaços verdes urbanos (93%; 95%) e a classe “331 Praias, dunas e areais” com a precisão de utilizador e produtor de 79% e 87%, foi incluída na lista, por ter em falta apenas 1% de precisão no utilizador, mas ter o seu processo classificativo passível de ser automatizado.
The object classification method, Geographic Object-Based Image Analysis (GEOBIA) served to classify, using Sentinel 2 MSI data, the types of land use and occupation in the municipality of Almada. For this, a supervised object classification method was used without the use of automatic statistical classifiers and the quality of the final mapping was assessed by calculating the following thematic precision metrics: global precision, percentage of error, precision in the producer, precision in the user, commission error and omission error. Results with global precision > = 80% were considered satisfactory, and by theme, precision in the user and producer equally > = 80%. The overall accuracy was 81%, the error percentage 19% and the topics that met the precision requirements were: 11 Urban fabric (92%; 90%), 12 Industry, commerce and transport (81%; 96%), 141 Urban green spaces (93%; 95%) and the class “331 Beaches, dunes and sands” with user and producer precision of 79% and 87%, was included in the list, as only 1% of accuracy is missing in the user, but have its classification process capable of being automated.
The object classification method, Geographic Object-Based Image Analysis (GEOBIA) served to classify, using Sentinel 2 MSI data, the types of land use and occupation in the municipality of Almada. For this, a supervised object classification method was used without the use of automatic statistical classifiers and the quality of the final mapping was assessed by calculating the following thematic precision metrics: global precision, percentage of error, precision in the producer, precision in the user, commission error and omission error. Results with global precision > = 80% were considered satisfactory, and by theme, precision in the user and producer equally > = 80%. The overall accuracy was 81%, the error percentage 19% and the topics that met the precision requirements were: 11 Urban fabric (92%; 90%), 12 Industry, commerce and transport (81%; 96%), 141 Urban green spaces (93%; 95%) and the class “331 Beaches, dunes and sands” with user and producer precision of 79% and 87%, was included in the list, as only 1% of accuracy is missing in the user, but have its classification process capable of being automated.
Descrição
Palavras-chave
Sentinel 2 MSI Análise de imagens Deteção remota Classificação supervisionada ao objeto Automatização Tipos de Uso e Ocupação de Solo Precisão temática Remote detection Supervised object classification Automation Types of Use and Land Occupation Thematic precision