Use este identificador para citar ou linkar para este item:
https://repositorio.ifgoiano.edu.br/handle/prefix/3802
Tipo: | Dissertação |
Título: | CLASSFITO: SOFTWARE PARA A CLASSIFICAÇÃO DE FITOFISIONOMIAS POR IMAGENS |
Autor(es): | Marciano, Juan Morysson Viana |
Primeiro Orientador: | Silva, Anderson Rodrigo |
Resumo: | O bioma Cerrado é um hotspot composto por milhares de espécies de plantas e animais endêmicos, com umas das maiores bacias hidrográficas da américa do sul, e vem sofrendo constante ameaças com o crescente desmatamento, sendo maior que o percentual de desmatamento da Amazônia nos últimos anos. Nesse sentido, a identificação das classes de vegetação remanescentes do Cerrado, seja para fins de conservação ou outras aplicações, vem se tornando cada vez mais importante. Os trabalhos de identificação de classes de vegetação, como a classficação em formações e suas fitofisionomias de Ribeiro e Walter (1998), aliados ao sensioramento remoto combinado com técnicas de calssificação supervisionada tornam-se uma opção prática e ágil. O objetivo desse estudo foi articular um processo de análise de dados geoespaciais, através do desenvolvimento da primeira versão do software web de acesso livre CLASSFITO. Este software foi desenvolvido na linguagem python, com uso da biblioteca scikit learn. Permite o treinamento e a aplicação de modelos previamente treinados de machine learning para classificação da vegetação por imagens orbitais ou aéreas. O software se mostra eficiente no treinamento de modelos do tipo Random Forest e Support Vector Machine, fornecendo relatórios em formato raster e informações sobre a predição das classes. CLASSFITO está disponível no endereço: https://classfito.app.br/, e encontra-se em processo de registro junto ao Instituto Nacional de Propriedade Industrial – INPI. |
Abstract: | The Cerrado biome is a hotspot composed of thousands of species of endemic plants and animals, with one of the largest river basins in South America, and has been constantly threatened by increasing deforestation, which is greater than the percentage of deforestation in the Amazon in recent years. In this sense, the identification of the remaining Cerrado vegetation classes, whether for conservation purposes or other applications, has become increasingly important. The works to identify vegetation classes, such as classification into formations and their phytophysiognomies by Ribeiro and Walter (1998), combined with remote sensing combined with supervised classification techniques, become a practical and agile option. The objective of this study was to articulate a geospatial data analysis process, through the development of the first version of the open access web software CLASSFITO. This software was developed in the python language, using the scikit learn library. It allows the training and application of previously trained machine learning models for vegetation classification by orbital or aerial images. The software proves to be efficient in training Random Forest and Support Vector Machine models, providing reports in raster format and information about class prediction. CLASSFITO is available at: https://classfito.app.br/, and is in the process of being registered with the Instituto Nacional de Propriedade Industrial - INPI. |
Palavras-chave: | Cerrado Fitofisionomias Sensoriamento remoto Aprendizado de máquina |
Área do CNPq: | CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::CONSERVACAO DA NATUREZA |
Idioma: | por |
Pais: | Brasil |
Editor: | Instituto Federal Goiano |
Sigla da Instituição: | IF Goiano |
Campus: | Campus Urutaí |
Programa/Curso: | Programa de Pós-Graduação em Conservação de Recursos Naturais do Cerrado |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.ifgoiano.edu.br/handle/prefix/3802 |
Data do documento: | 27-Jun-2023 |
Aparece nas coleções: | Mestrado Profissional em Conservação dos Recursos Naturais do Cerrado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Produto Classfito_ Juan Morysson versão final.pdf | 6,36 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.