Classificação de áreas úmidas utilizando machine learning e processamento de dados de diferentes sistemas sensores
Visualizar/abrir
Data
2025Orientador
Nível acadêmico
Doutorado
Tipo
Assunto
Resumo
As áreas úmidas do Rio Grande do Sul representam ecossistemas de elevada complexidade e valor ecológico, mas estão sujeitas a crescentes pressões antrópicas e climáticas. Sua dinâmica espacial e temporal impõe desafios metodológicos ao mapeamento e monitoramento, exigindo abordagens que integrem diferentes fontes de dados e técnicas analíticas. Esta tese teve como objetivo desenvolver uma metodologia multissensorial e multi-escalar para delimitação e caracterização de Áreas Úmidas Potenciais (A ...
As áreas úmidas do Rio Grande do Sul representam ecossistemas de elevada complexidade e valor ecológico, mas estão sujeitas a crescentes pressões antrópicas e climáticas. Sua dinâmica espacial e temporal impõe desafios metodológicos ao mapeamento e monitoramento, exigindo abordagens que integrem diferentes fontes de dados e técnicas analíticas. Esta tese teve como objetivo desenvolver uma metodologia multissensorial e multi-escalar para delimitação e caracterização de Áreas Úmidas Potenciais (AUP), utilizando dados de sensoriamento remoto e algoritmos de aprendizado de máquina. A pesquisa foi estruturada em três estudos complementares. No primeiro, aplicou-se o algoritmo Random Forest com dados espectrais, topográficos e hidrológicos no Google Earth Engine, segmentando o mapeamento conforme compartimentos geomorfológicos (Planície Costeira e Depressão Central). O segundo estudo propôs uma abordagem de Modelo Linear de Mistura Espectral com seleção automática de endmembers baseada em NDVI e mNDWI, para estimar frações de água, vegetação e solo em mosaicos sazonais. O terceiro utilizou séries temporais contínuas (2016–2024) de variáveis espectrais e climáticas para caracterizar a dinâmica hidroclimática das AUP. Os resultados demonstraram que: (i) a segmentação por unidade geomorfológica aumentou a acurácia dos modelos (acima de 88%); (ii) o uso combinado de sensores ópticos e radar reduziu incertezas em áreas nubladas; e (iii) séries temporais revelaram padrões sazonais e eventos extremos. A abordagem proposta permitiu identificar contrastes espaciais e temporais na hidrologia das áreas úmidas, fundamentais para políticas públicas de conservação, gestão hídrica e ordenamento territorial. Os produtos gerados e os avanços metodológicos oferecem uma base sólida para inventários ambientais atualizáveis e aplicáveis em diferentes contextos geográficos. ...
Abstract
The wetlands of Rio Grande do Sul represent ecosystems of high complexity and ecological value, yet they are increasingly subject to anthropogenic and climatic pressures. Their spatial and temporal dynamics pose methodological challenges for mapping and monitoring, requiring approaches that integrate diverse data sources and analytical techniques. This thesis aimed to develop a multiscale and multisensor methodology for the delineation and characterization of Potential Wetland Areas (PWAs), usi ...
The wetlands of Rio Grande do Sul represent ecosystems of high complexity and ecological value, yet they are increasingly subject to anthropogenic and climatic pressures. Their spatial and temporal dynamics pose methodological challenges for mapping and monitoring, requiring approaches that integrate diverse data sources and analytical techniques. This thesis aimed to develop a multiscale and multisensor methodology for the delineation and characterization of Potential Wetland Areas (PWAs), using remote sensing data and machine learning algorithms. The research was structured into three complementary studies. The first applied the Random Forest algorithm with spectral, topographic, and hydrological data in Google Earth Engine, segmenting the mapping based on geomorphological units (Coastal Plain and Central Depression). The second study proposed a Linear Spectral Unmixing approach with automatic endmember selection based on NDVI and mNDWI, to estimate water, vegetation, and soil fractions in seasonal mosaics. The third study used continuous time series (2016–2024) of spectral and climatic variables to characterize the hydroclimatic dynamics of the PWs. The results showed that: (i) segmentation by geomorphological units improved model accuracy (above 88%); (ii) the combined use of optical and radar sensors reduced uncertainty in cloudy areas; and (iii) time series revealed seasonal patterns and extreme events. The proposed approach enabled the identification of spatial and temporal contrasts in wetland hydrology, which are fundamental for conservation policies, water management, and land-use planning. The generated products and methodological advances offer a robust basis for updatable environmental inventories applicable to diverse geographic contexts. ...
Instituição
Universidade Federal do Rio Grande do Sul. Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia. Programa de Pós-Graduação em Sensoriamento Remoto.
Coleções
-
Ciências Exatas e da Terra (5492)Sensoriamento Remoto (324)
Este item está licenciado na Creative Commons License


