ANÁLISE DA CLASSIFICAÇÃO AUTOMATIZADA DE NUVEM DE PONTOS 3D OBTIDA POR LIDAR EM ÁREA URBANA DE VIÇOSA, MG
DOI:
https://doi.org/10.12957/geouerj.2025.85988Palavras-chave:
uso e ocupação, mapeamento, CTMResumo
Este estudo explorou a classificação automatizada de nuvem de pontos para mapear o uso e ocupação do solo urbano em Viçosa, MG, usando dados LiDAR e fotogramétricos. Os dados foram processados com ArcGIS e Global Mapper para a inserção de parâmetros geométricos e determinação de classes de uso do solo. A validação alcançou uma acurácia de 81% e um índice Kappa de 72%. Foram identificadas distorções nas informações geradas pelo LiDAR e fotogrametria, destacando a importância da qualidade dos dados iniciais. A inserção de parâmetros geométricos foi eficaz na classificação, ressaltando sua relevância metodológica. As métricas de validação foram fundamentais para avaliar a qualidade dos produtos gerados. Conclui-se que a classificação automatizada de nuvem de pontos pode contribuir significativamente para o Cadastro Territorial Multifinalitário (CTM) e a gestão territorial em Viçosa, MG, sendo uma ferramenta valiosa para o planejamento urbano e o desenvolvimento de estratégias locais.
Downloads
Referências
ANJOS, Camila S. Classificação de áreas urbanas com imagens multiespectrais e hiperespectrais utilizando métodos não paramétricos. 2016. Tese (Doutorado em Engenharia Agrícola) – Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, 2016.
ARIZA, F. J. Qualidade na Produção Cartográfica. Madrid: RA-MA, 2002.
CAELLES, S. et al. The 2018 davis challenge on video object segmentation. arXiv preprint arXiv:1803.00557, 2018.
CARRILHO, A. C. Extração e refinamento de contornos de telhados utilizando descritores geométricos e integração de dados LiDAR e imagens aéreas. 2021. Dissertação (Mestrado em Ciências Cartográficas) – Universidade Estadual Paulista, Presidente Prudente, 2021.
CARRILHO, A. C. et al. Avaliação da extração automática de edificações a partir de dados LiDAR aerotransportado. In: CONGRESSO BRASILEIRO DE CARTOGRAFIA, 28., 2018, Rio de Janeiro. Anais... Rio de Janeiro: SBC, 2018.
CHURCH, R. L.; MURRAY, A. T. Business Site Selection, Location Analysis, and GIS. Hoboken: John Wiley & Sons, 2009.
COHEN, J. A coefficient of agreement for nominal scales. Educational and Psychological Measurement, v. 20, n. 1, p. 37–46, 1960.
CPE. Drone DJI Matrice 300 + Laser Scanner AlphaAir 450. [S. l.], [2023?]. Disponível em: https://loja.cpetopografia.com.br/alphaair-450-drone-Matrice-300/#:~:text=O%20AlphaAir%20450%20combina%20GNSS,de%205%20a%2010%20cm. Acesso em: 14 nov. 2023.
FRAGA, H. A. da F. Análise Comparativa da Classificação de Ortofoto Arp e Imagens de Sentinel-2a com Orfeo Toolbox em Figueira da Foz, Portugal. 2021. 81 f. TCC (Graduação em Engenharia de Agrimensura e Cartográfica) - Departamento de Engenharia, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2021.
GIACOMINI, Q. DE R.; VUELMA, A. L. A importância do Planejamento Urbano. In: Seminário de Iniciação Científica e Seminário Integrado de Ensino, Pesquisa e Extensão, 2., 2020. Anais... UFFS, 2020. p. e24927-e24927.
GIACCOM-RIBEIRO, B. M. Sensoriamento remoto para mapeamento urbano: classificação de cobertura, uso e ocupação do solo. In: Simpósio Brasileiro de Sensoriamento Remoto, 19., 2019, Santos. Anais... São José dos Campos: INPE, 2019. p. 1811-1814.
GLOBAL MAPPER. Welcome to Global Mapper. [S. l.], [2023?]. Disponível em: https://www.bluemarblegeo.com/knowledgebase/global-mapper-25/GlobalMapper.htm. Acesso em: 15 nov. 2023.
GESTÃO ENGENHARIA. [Página inicial]. Gestão Engenharia, Ponte Nova, 2022.
GHILANI, C. D.; WOLF, P. R. Adjustment computations: spatial data analysis. 4. ed. Nova Iorque: John Wiley & Sons, 2006.
JENSEN, J. R. Remote sensing of the environment: An earth resource perspective. 2. ed. Nova Delhi: Pearson Education India, 2009.
LANDIS, J. R.; KOCH, G. G. The measurements of observer agreement for categorical data. Biometrics, v. 33, n. 3, p. 159-179, mar. 1977.
LILLESAND, T.; KIEFER, R. W.; CHIPMAN, J. Remote sensing and image interpretation. Nova Iorque: John Wiley & Sons, 2015.
LIN, T.-Y. et al. Microsoft coco: Common objects in context. In: European Conference On Computer Vision, 13., 2014, Zurique. Proceedings… Cham: Springer, 2014. p. 740-755.
MENDES, T. S. G. et al. Filtragem de Nuvem de Pontos de Dados de Vant: Aplicação em Área Íngreme. In: Simpósio Brasileiro de Sensoriamento Remoto, 20., 2023, Florianópolis. Anais... Florianópolis: INPE, 2023.
MESSIAS, C. G.; COBRA, R. L. Classificação de Imagens LANDSAT e Mudanças no Uso do Solo de uma Área da Represa de Furnas, entre os Anos de 2004 e 2014. In: Simpósio Nacional de Geografia e Gestão Territorial e Semana Acadêmica de Geografia da Universidade Estadual de Londrina, 1., 2018, Londrina. Anais... Londrina: Universidade Estadual de Londrina, 2018. v. 1, p. 674-687.
PESSOA, G. G. et al. Classificação de nuvem de pontos obtida por RPAs: uma fonte de dados para a atualização de documentos cartográficos. In: Congresso Brasileiro de Cartografia, 28., 2018, Rio de Janeiro. Anais... Rio de Janeiro: SBC, 2018.
RODRIGUES, D. D. Topografia: Planimetria para engenheiros agrimensores e cartógrafos. [S. l.: s. n.], 2008. Apostila. (Em desenvolvimento).
RUSSAKOVSKY, O. et al. Imagenet Large Scale Visual Recognition Challenge. International Journal of Computer Vision, v. 115, n. 3, p. 211-252, 2015.
SANTOS, A. P. dos. Avaliação da acurácia posicional em dados espaciais com o uso da estatística espacial. 2010. Tese (Doutorado em Engenharia Agrícola) – Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, 2010.
SANTOS JUNIOR, F. M. Análise de nuvem de pontos obtida por meio de imagens coletadas através de ARP. 2019. Monografia (Especialização em Georreferenciamento de Imóveis Rurais) – Instituto de Educação, Ciência e Tecnologia do Espírito Santo, Colatina, 2019.
SCHADE, G. Machine learning: Métricas para Modelos de Classificação. Medium, 2020. Disponível em: https://gabrielschade.github.io/2019/03/12/ml-classificacao-metricas.html. Acesso em: 1 dez. 2022.
SHAN, J.; TOTH, C. K. (ed.). Topographic laser ranging and scanning: principles and processing. Boca Raton: CRC Press, 2018.
SOUSA, L. A. S. et al. Detecção e Quantificação de Alterações em Área Urbana por Meio da Comparação de Nuvens de Pontos Lidar via Terrascan. In: Ssimpósio Srasileiro de Sensoriamento Semoto, 19., 2019, Santos. Anais... Santos: Galoá Proceedings, 2019. p. 1-4.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Hanna Aimée da Fraga Gonçalves, Nilcilene Medeiros das Graças, Daniel Camilo de Oliveira Duarte, William Rodrigo Dal Poz, Afonso de Paula dos Santos
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os Direitos Autorais dos artigos publicados na Revista Geo UERJ pertencem aos seus respectivos autores, com os direitos de primeira publicação cedidos à Revista. Toda vez que um artigo for citado, replicado em repositórios institucionais e/ou páginas pessoais ou profissionais, deve-se apresentar um link para o artigo disponível no site da Geo UERJ.
Os trabalhos publicados estão simultaneamente licenciados com uma Licença Commons BY-NC-SA 4.0.
