Utilização de imagens de satélite como ferramenta de auxilio ao planejamento urbano

OLGA KAZUKO IWAI; JOSÉ ALBERTO QUINTANILHA

Autores/as

OLGA KAZUKO IWAI Escola Politécnica da Universidade de São Paulo
JOSÉ ALBERTO QUINTANILHA Escola Politécnica da Universidade de São Paulo

Palabras clave:

Planejamento urbano, processamento de imagens, imagens de satélite.

Resumen

A região estudada, o Município de São Bernardo do Campo, é uma importante região localizada no Estado de São Paulo, Brasil, e onde se concentram grandes indústrias e importante manancial hídrico que forma a represa Billings, que faz parte do complexo hidrelétrico da Usina Henry Borden. A preocupação com a ocupação urbana desordenada e irregular nesta área, levou a prefeitura do município a procurar formas alternativas para monitoramento e mapeamento da região, visto que as formas tradicionais não estavam conseguindo conter a invasão. Assim, desenvolveu-se, uma metodologia de monitoramento da ocupação do solo através do processamento de imagens digitais do satélite Landsat 7 e a classificação, por máxima verossimilhança, dessas imagens. Com essa metodologia o monitoramento pela prefeitura é realizado com mais rapidez e precisão, diminuindo o trabalho e aumentando a eficiência.

Biografía del autor/a

OLGA KAZUKO IWAI, Escola Politécnica da Universidade de São Paulo

Engenheira Civil, Mestre em Engenharia de Transportes pela Escola Politécnica da Universidade de São Paulo (Brasil).

JOSÉ ALBERTO QUINTANILHA, Escola Politécnica da Universidade de São Paulo

Professor Doutor do Departamento de Engenharia de Transportes da Escola Politécnica da Universidade de São Paulo (Brasil).

Citas

ANDERSON, J.; HARDY, E.; ROACH, J. & WITMER, R. Sistemas de classificação de uso da terra e do revestimento do solo para utilização com dados de sensoriamento remoto. Trad. de H. Strang. Rio de Janeiro: IBGE, 1996, Nº 78.
BARALDI, A. & PARMIGGIANI, F. Urban area classification by multispectral SPOT data. IEEE Transactions on Geoscience and Remote Sensing, 1990, Vol. 28, Nº 4, p.
674-680.
BERBEROGLU, S.; LLOYD, C.; ATKINSON, P. & CURRAN, P. The integration of spectral and textural information using neural networks for land cover mapping in the
Mediterranean. Computers & Geosciences, 2000, Vol. 26, Nº 4, p. 385-396.
CAMPOS, M. Incorporação de dados auxiliares no processo de classificação, 2002. Disponível em Internet: http://www.geoc.ufpr.br/~gfoto/pdi/dadosaux/dadosaux.html.
EASTMAN, J. IDRISI for Windows: Manual do usuário. Introdução e Exercícios tutoriais. Trad. de Heinrich Hasenack e Eliseu Webwe. Porto Alegre: UFRGS/ Centro de Recursos Idrisi, 1998. Disponível em Internet: http://www.ecologia.ufrgs.br/idrisi/download/tutorial.pdf.
FOODY,G. & ARORA, M. Incorporating mixed pixels in the training, allocation and testing stages of supervised classifications. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p. 1389-1398.
FRANKLIN, S.; WULDER, M. & LAVIGNE, M. Automated derivation of geographic window sizes for use in remote sensing digital image texture analysis. Computers & Geosciences , 1996, Vol. 22, Nº 6, p. 665-673.
GONZALEZ, R. & WOODS, R. Processamento de imagens digitais. São Paulo: Edgard Blucher, 2000.
HAYKIN, S. Neural Networks - A Comprehensive Foundation. New York: Macmillan, 1994.
IBGE (Instituto Brasileiro de Geografia e Estatística). Brasil em síntese. Dados geográficos. Disponível em Internet: http://www.ibge.gov.br.
JENSEN, J. Introductory digital image processing. New Jersey: Prentice-Hall, 1986.
MATTIKALLI, N. Soil color modeling for the visible and near-infrared bands of Landsat sensors using laboratory spectral measurements. Remote Sensing of Environment, 1997, Vol. 59, Nº 1, p. 14-28.
MOLLER-JENSEN, L. Knowledge-based classification of an urban area using texture and context information in Landsat TM imagery. Photogrammetric Enginering and Remote Sensing, 1990, Vol. 56, Nº 6, p. 899-904.
MOLLER-JENSEN, L. Classification of urban land cover based on expert systems, object models and texture. Computers, Environment and Urban Systems, 1997, Vol.
21, Nº 3-4, p. 291-302.
MUNICÍPIO DE SÃO BERNARDO DO CAMPO. Evolução da população. 2002. Disponível em Internet: h t t p : / /www. s a o b e r n a r d o . s p . g o v. b r /
sec_administracao/evolucaopopulacao.htm.
OLMO, M. & HERNANDEZ, F. Computing geostatistical image texture for remotely sensed data classification. Computers & Geosciences, 2000, Vol. 26, Nº 4, p.
373-383.
PREFEITURA DO MUNICÍPIO DE SÃO BERNARDO DO CAMPO. Compêndio Estatístico. São Bernardo do Campo: Prefeitura do município de São Bernardo do Campo,
1998.
QUINTANILHA, J.; IWAI, O. & HAMBURGUER, D. Technology transfer in digitalimage processing techniques. In: International IT Conference in Geo Spatial Education, Hong Kong, 2000. Hong Kong: Hong Kong Polytechnic University, 2000. Disponível em Internet: http://www.lsgi.polyu.edu.hk/publications/ proceedings/ITCGSE?Proceedings.pdf
RIDD, M. & LIU, J. A Comparison of Four Algorithms for Change Detection in an Urban Environment. Remote Sensing of Environment, 1998, Vol. 63, Nº 2, p. 95-100.
SECRETARIA DO MEIO AMBIENTE; CETESB; SECRETARIA DE RECURSOS HÍDRICOS, SANEAMENTO E OBRAS e SABESP, GOVERNO DO ESTADO DE SÃO PAULO. Termo de referência para o Programa de Recuperação Ambiental da Bacia da Billings. São Paulo: Technical Report, 1999.
SERPICO, S.; BRUZZONE, L. & ROLI, F. An experimental comparison of neural and statistical non-parametric algorithm for supervised classification of remote sensing images. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p.1331-1341.
SCHOWENGERDT, R. On the estimation of spatial-spectral mixing with classifier likelihood functions. Pattern Recognition Letters, 1996, Vol. 17, Nº 13, p. 1379-1387.
STUCKENS, J.; COPPIN, P. & BAUER, M. Integrating contextual information with per-pixel classification for improved land cover classification. Remote Sensing of Environment, 2000, Vol. 71, Nº 3, p. 282- 296.
TEIXEIRA, A. & CHRISTOFOLETTI, A. Sistemas de Informação Geográfica. Dicionário Ilustrado. São Paulo: Editora Hucitec, 1997.
ZHANG, Y. Optimisation of building detection in satellite images by combining multispectral classification and texture filtering. ISPRS Journal of Photogrammetry &
Remote Sensing, 1994, Vol. 54, Nº 1, p. 50-60.