Skip navigation
Veuillez utiliser cette adresse pour citer ce document : http://repositorio.unb.br/handle/10482/42724
Fichier(s) constituant ce document :
Fichier Description TailleFormat 
2021_FelipeLimaRamosBarbosa.pdf7,7 MBAdobe PDFVoir/Ouvrir
Titre: Potencialidades e limitações das novas tecnologias de sensoriamento remoto aplicado no ambiente urbano do Distrito Federal
Auteur(s): Barbosa, Felipe Lima Ramos
Orientador(es):: Guimarães, Renato Fontes
Coorientador(es):: Carvalho Júnior, Osmar Abílio de
Assunto:: Sensoriamento remoto
Ambiente urbano
Planejamento urbano
Date de publication: 11-jan-2022
Référence bibliographique: BARBOSA, Felipe Lima Ramos. Potencialidades e limitações das novas tecnologias de sensoriamento remoto aplicado no ambiente urbano do Distrito Federal. 2021. 86 f., il. Tese (Doutorado em Geografia)—Universidade de Brasília, Brasília, 2021.
Résumé: O Brasil possui aproximadamente 75% de sua população vivendo em ambientes urbanos, conforme estimativas do Censo Demográfico elaborado pelo Instituto Brasileiro de Geografia e Estatística (IBGE), fato que ressalta a necessidade de um planejamento territorial urbano que assegure o equilíbrio quanto ao uso de seus recursos naturais a longo prazo, estratégica central para a agenda da sustentabilidade. Como não existe um consenso global que defina ambiente urbano, são necessários novos conhecimentos que abarquem os complexos desafios inerentes a esse espaço e, assim, contribua no desenvolvimento de sua ciência. O planejamento urbano demanda mais conhecimento relevante e espacialmente explícito que considere sua heterogeneidade espacial e sua dinâmica temporal. Assim, novas soluções de sensoriamento remoto podem ser empregadas no enriquecimento do campo científico urbano, tais como o Light Detection and Ranging (LIDAR) e as imagens Synthetic Aperture Radar (SAR). Neste sentido, a presente pesquisa contribui com essa discussão ao propor três artigos científicos que consideram a aplicação dessas soluções no Distrito Federal (DF), ambiente que apresenta uma diversidade de arranjos espaciais urbanos. O primeiro artigo classificou o uso e cobertura da terra de parte do DF utilizando informações em série temporal composta de imagens SAR do satélite Sentinel 1 do ano de 2018, aplicando método de aprendizado de máquina, o segundo, analisou as potencialidades e limitações do uso de informações altimétricas provenientes de perfilamento à laser aerotransportado em ambiente urbano, e, por fim, o terceiro artigo estimou o limiar ótimo para a remoção de outlier de uma base de dados LiDAR orbital proveniente do Global Ecosystem Dynamics Investigation (GEDI) no Distrito Federal e selecionou os dados de elevação de terreno com a maior acurácia altimétrica. Por fim, a presente pesquisa contribui para o desenvolvimento de metodologias que auxiliem o planejamento urbano utilizando dados LiDAR e radar, uma vez que a maioria das pesquisas envolvendo sensoriamento remoto e ambiente urbano foram realizados em cidades na China, Europa e Estados Unidos.
Abstract: Brazil has approximately 75% of its population living in urban environments, according to estimates in the Demographic Census prepared by the Brazilian Institute of Geography and Statistics (IBGE), a fact that highlights the need for urban territorial planning that ensures a balance in the use of its natural resources in the long term, which is central to the sustainability agenda. As there is no global consensus defining the urban environment, new knowledge is needed to address the complex challenges inherent in this space and thus contribute to the development of its science. Urban planning demands more relevant and spatially explicit knowledge that considers its spatial heterogeneity and temporal dynamics. Thus, new remote sensing solutions can be employed in the enrichment of the urban scientific field, such as Light Detection and Ranging (LIDAR), Synthetic Aperture Radar (SAR) images and new methodological approaches involving machine learning. The present research contributes to this discussion by proposing three scientific articles that consider the application of these solutions in the Federal District (DF), an environment that presents a diversity of urban spatial arrangements. The first article classified the land use and coverage of part of the DF using information in time series composed of SAR images from the Sentinel 1 satellite of the year 2018, applying machine learning method, the second, analyzed the potentialities and limitations of the use of altimetric information from airborne laser system (ALS) profiling in urban environment. Finally, the third paper estimated the optimal threshold for outlier removal from an orbital LiDAR database from the Global Ecosystem Dynamics Investigation (GEDI) in the Federal District and selected the terrain elevation data with the highest altimetric accuracy. This research contributes to the development of methodologies to support urban planning using LiDAR and radar data, once most of the research involving remote sensing and urban environment has been conducted in cities in China, Europe and the United States.
metadata.dc.description.unidade: Instituto de Ciências Humanas (ICH)
Departamento de Geografia (ICH GEA)
Description: Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Geografia, Programa de Pós-Graduação em Geografia, 2021.
metadata.dc.description.ppg: Programa de Pós-Graduação em Geografia
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Collection(s) :Teses, dissertações e produtos pós-doutorado

Affichage détaillé " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/42724/statistics">



Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.