Modelagem da dinâmica espacial como uma ... - mtc-m12:80 - Inpe

Recommendations

Info

caracteriza as áreas urbanas. Solberg et al. (1990) desenvolveram um algoritmo para a detecção de áreas urbanas baseado em filtragem de interferência. Este método, restrito apenas a sensores de alta resolução espacial (10m ou 20m), compreende a extração da rede de tráfego dna imagem, que é sucedida por uma operação de filtragem, destinada a destacar áreas com alta densidade de elementos lineares. O algoritmo de filtragem cria assim interferências entre as linhas, tornando a resposta ampliada quando a densidade de linhas é maior. Embora este método possa detectar áreas urbanas com um alto grau de acurácia, suas bordas são incertas e pouco detalhadas. Jensen-Moller (1990) criou um algoritmo para a detecção de áreas urbanas baseado em regras de classificação flexíveis, compreendendo tanto informação quantitativa quanto suposições heurísticas, refletindo critérios que seriam normalmente adotados pelo intérprete humano. Os procedimentos são os seguintes: a) detecção inteligente de estradas e estruturas lineares; b) processamento de atributos da imagem, como média, variância e textura; c) classificação final com o auxílio de sistemas especialistas. Um método alternativo para a descrição de coberturas urbanas é o modelo V-I-S (vegetação – superfície impermeabilizada – solo), concebido por Ridd (1995), o qual se propõe a determinar a composição biofísica da paisagem urbana, atribuindo valores para estes três componentes. Em suma, este método lida com questões relacionadas à mistura ou interferência entre alvos em uma escala subpixel. A utilização de dados de sensoriamento remoto neste trabalho, entretanto, foi limitada à interpretação visual de composições coloridas, uma vez que informação detalhada sobre a estrutura urbana das cidades em estudo já se encontrava disponível, ficando as imagens de satélite destinadas apenas a identificar loteamentos ilegais eventualmente existentes. Com este propósito, mapas digitais de arruamento foram sobrepostos às respectivas imagens, submetidas previamente a correções radiométrica e geométrica, operações de georreferenciamento e realce de contraste. Informação detalhada sobre essas técnicas de georreferenciamento são fornecidas na Seção 4.3.2. Para as composições coloridas, as bandas TM 1 (0,45 µm – 0,52 µm), 4 (0,76 µm – 0,90 µm) e 7 (2,08 µm – 2,35 µm) foram selecionadas. A banda 1 foi submetida a correção 116
atmosférica. Áreas construídas apresentam uma alta resposta nas bandas 1 e 7 (Bowker et al. 1985), enquanto que a vegetação apresenta um pico de resposta na banda 4 (Richards, 1995), a qual é comumente usada para a identificação de biomassa (Novo, 1988). Esta combinação de bandas oferece portanto uma boa diferenciação entre áreas urbanas e não-urbanas. Uma outra vantagem em se trabalhar com estas bandas é a baixa correlação entre as mesmas. Um exemplo de imagem de composição colorida (1B_4R_7G) é dado abaixo, mostrando a cidade de Piracicaba em 1999 (FIGURA 4.3). FIGURA 4.3 – Imagem TM – 5 de Piracicaba, 1B_4R_7G, 222/76 – 16/07/99. FONTE: INPE (1999). 4.2 Dados Não-Espaciais de Entrada: Indicadores Sócio-Econômicos Os dados não-espaciais foram usados neste trabalho para parametrizar a demanda total de mudanças de uso nos cenários de prognóstico. Esses cenários futuros foram construídos com base em análises de regressão linear, onde a variável dependente corresponde a taxas (em hectares) de transições de uso, enquanto dados demográficos e 117 Sistema de Projeção: UTM Datum: Córrego Alegre, MG
Page 1 and 2:
INPE-10567-TDI/942/ A MODELAGEM DA
Page 5:
“A luz do conhecimento se aliment
Page 9:
A meus pais, Claudionor de Almeida
Page 12 and 13:
Eu gostaria de expressar o meu reco
Page 15:
SPATIAL DYNAMIC MODELING AS A PLANN
Page 18 and 19:
3.2.2 O Ciclo da Cana-de-Açúcar (
Page 20 and 21:
6.1.5.2 Prognósticos Não-Estacion
Page 22 and 23:
5.6 - Diagramas de espalhamento esq
Page 24 and 25:
6.44a- Mapas de probabilidade de tr
Page 26 and 27:
6.29 - Matriz de probabilidades de
Page 29 and 30:
LISTA DE EQUAÇÕES 2.1 Dj = Aexp(
Page 31 and 32:
5.8 5.9 5.10 5.11 5.12 5.13 5.14 5.
Page 33 and 34:
5.34 5.35 5.36 5.37 5.38 5.39 5.40
Page 35 and 36:
5.56 5.57 5.58 5.59 5.60 5.61 162 5
Page 37 and 38:
^ ^ 5.82 Y = Y 173 2 5.83 5.84 5.85
Page 39 and 40:
LISTA DE SIGLAS E ABREVIATURAS ACF
Page 41:
TM - 5 - Sensor Thematic Mapper do
Page 44 and 45:
Argentina entraram na era de produ
Page 46 and 47:
da zona franca de Manaus (1957); na
Page 48 and 49:
permaneceram não-espaciais a gross
Page 50 and 51:
• Realizar experimentos de mudan
Page 52 and 53:
mais ou menos suscetíveis a mudan
Page 55 and 56:
CAPÍTULO 2 FUNDAMENTAÇÃO TEÓRIC
Page 57 and 58:
ou mais, mas os governos diferem qu
Page 59 and 60:
décadas do século passado, poderi
Page 61 and 62:
Um sistema é um conjunto de partes
Page 63 and 64:
irá suplantar as demais; em uma se
Page 65 and 66:
anos 50 e começo dos anos 60, imed
Page 67 and 68: Início Dados de entrada: emprego b
Page 69 and 70: subseqüente (Wegener et al. 1986).
Page 71 and 72: Bifurcação 7 , segundo a qual peq
Page 73 and 74: Estuario e Terra Ferma - e o modelo
Page 75 and 76: Um outro modo de se obter modelos u
Page 77 and 78: espeito à mobilidade, dado que ess
Page 79 and 80: elacionais e metarelacionais, deter
Page 81 and 82: Uma outra propriedade interessante
Page 83 and 84: explorar a forma pela qual CA stric
Page 85 and 86: computar a demanda residencial. Est
Page 87 and 88: especialista humano, que chegam à
Page 89 and 90: contexto real com um nível de deta
Page 91: CA são também considerados como m
Page 94 and 95: Bauru é delimitada pelas seguintes
Page 96 and 97: ápida e intensa ocupação do oest
Page 98 and 99: êxodo rural dirigido às cidades.
Page 100 and 101: 3.2.4.5 Anos 1980 - 1989 Os anos 80
Page 102 and 103: Com isso, o interior do Estado não
Page 104 and 105: detrimento daquelas de ocupação r
Page 106 and 107: Redonda, no Estado do Rio de Janeir
Page 108 and 109: 1910 - 1920 1920 - 1930 1930 - 1940
Page 110 and 111: O duto de gás que se estende da Bo
Page 112 and 113: materializada pelas primeiras exped
Page 114 and 115: Quarenta anos foram considerados co
Page 116 and 117: 4.1.2 Fotos Aéreas Digitais Confor
Page 120 and 121: indicadores de desempenho econômic
Page 122 and 123: c) Conversão do VA total em R$ de
Page 124 and 125: É importante lembrar que a soma de
Page 126 and 127: TABELA 4.3 - Coordenadas dos pontos
Page 128 and 129: 4.3.2.3 Registro Imagem-Dado Vetori
Page 130 and 131: intervalo de densidade de ocupaçã
Page 132 and 133: 6, apresentam distorções generali
Page 134 and 135: 132
Page 136 and 137: do uso (p.ex. uso não-urbano para
Page 138 and 139: P {R/S} = P {R % S} = P {S/R} P {R}
Page 140 and 141: P {R/S 1 % S 2} = P {S 1 % S 2/R} .
Page 142 and 143: De acordo com Bonham-Carter (1994),
Page 144 and 145: p, dividindo-se cada elemento de á
Page 146 and 147: Nos casos onde elevadas correlaçõ
Page 148 and 149: Um exemplo desta análise visual co
Page 150 and 151: 5.2.1.6 Teste de Validação Estat
Page 152 and 153: Outros modelos estatísticos de val
Page 154 and 155: P i,j (x,y) = e L 152 1 + e L , (5.
Page 156 and 157: Para se encontrar o valo de ß que
Page 158 and 159: Uma das primeiras questões levanta
Page 160 and 161: a A,B = ∆ A,B α σ σ 2 A . 2 B
Page 162 and 163: P i,j (x,y)= e 160 , (5.55) onde t
Page 164 and 165: O resíduo do desvio (“deviance
Page 166 and 167: Modelos ajustados sempre se comport
Page 168 and 169:
Pij=1). Neste caso, é possível ca
Page 170 and 171:
5.3.2. Modelos de Regressão Linear
Page 172 and 173:
correlaciona os valores de uma sér
Page 174 and 175:
e a matriz de variância-covariânc
Page 176 and 177:
Os quadrados médios MSR (quadrado
Page 178 and 179:
Um gráfico de uma distribuição n
Page 180 and 181:
simulação; Pnu_res é a probabili
Page 182 and 183:
Quanto à delimitação de horizont
Page 184 and 185:
As variáveis estáticas referem-se
Page 186 and 187:
transições, de modo que o número
Page 188 and 189:
186 Dados de RS Tabul. Cruzada Matr
Page 190 and 191:
mais sensatos. Infelizmente, a maio
Page 192 and 193:
FIGURA 6.1 - Mapa oficial da cidade
Page 194 and 195:
FIGURA 6.4 - Mapa de tabulação cr
Page 196 and 197:
obtidos para o Índice de Cramer (V
Page 198 and 199:
FIGURA 6.6 - Exemplo de um mapa de
Page 200 and 201:
NU_RES NU_IND NU_INST NU_SERV Mapas
Page 202 and 203:
avermelhadas nos mapas de probabili
Page 204 and 205:
TABELA 6.8 - Testes de ajuste para
Page 206 and 207:
FIGURA 6.9 - Mapa oficial da cidade
Page 208 and 209:
FIGURA 6.12 - Mapa de tabulação c
Page 210 and 211:
para os pares de variáveis usadas
Page 212 and 213:
Nota: Faixas de distâncias em metr
Page 214 and 215:
RES_MIST Legendas: Mapas de Probabi
Page 216 and 217:
6.1.2.2 Método de Regressão Logí
Page 218 and 219:
As grades numéricas foram converti
Page 220 and 221:
NU_RES NU_IND NU_SERV RES_SERV Mapa
Page 222 and 223:
Uso do Solo em 1988 Simulação 2 U
Page 224 and 225:
habitantes urbanos. Em 2000, a popu
Page 226 and 227:
Para o período de simulação 1988
Page 228 and 229:
TABELA 6.24 - Associações entre v
Page 230 and 231:
NU_RES NU_IND NU_SERV RES_SERV Mapa
Page 232 and 233:
Page 234 and 235:
Uso do Solo Real - 1967 Simulação
Page 236 and 237:
Simulação - 1983 Simulação - 19
Page 238 and 239:
Simulação - 1999 Uso não-urbano
Page 240 and 241:
desses usos do solo de destino junt
Page 242 and 243:
TABLE 6.33 - Matriz de correlação
Page 244 and 245:
Limites de Confiança Coeficiente N
Page 246 and 247:
Em relação à análise de resídu
Page 248 and 249:
TABELA 6.37 - Matriz de correlaçã
Page 250 and 251:
modelo “nu_ind”. No cenário pe
Page 252 and 253:
padrão de expansão concorda com a
Page 254 and 255:
Uso do Solo em 2000 Cenário Otimis
Page 256 and 257:
FIGURA 6.39 - Mapa oficial da cidad
Page 258 and 259:
FIGURA 6.42 - Mapa de tabulação c
Page 260 and 261:
a ) b) c) d ) e) f) FIGURA 6.43 - V
Page 262 and 263:
TABELA 6.49 - Valores de W + para a
Page 264 and 265:
criadas ao longo de margens baixas
Page 266 and 267:
NU_LAZ RES_SERV RES_COM SERV_COM Ma
Page 268 and 269:
Page 270 and 271:
Conforme exposto na Seção 6.2.1,
Page 272 and 273:
Para o período de simulação 1985
Page 274 and 275:
TABELA 6.56 - Associações entre v
Page 276 and 277:
NU_RES NU_IND NU_INST NU_LAZ Mapas
Page 278 and 279:
Uso do Solo em 1999 Simulação 2 U
Page 280 and 281:
Uso do Solo Real - 1962 Simulação
Page 282 and 283:
Page 284 and 285:
Page 286 and 287:
Assim como no caso de Bauru, os uso
Page 288 and 289:
TABELA 6.64 - Matriz de correlaçã
Page 290 and 291:
Número de intervalos FIGURA 6.57 -
Page 292 and 293:
Quanto à análise de resíduos, qu
Page 294 and 295:
Uso do Solo em 1999 Cenário Otimis
Page 296 and 297:
eferente ao PIB total foi de US$ 3.
Page 298 and 299:
6.3 Conclusões Para ambas as cidad
Page 300 and 301:
ao fato de que ambas cidades testem
Page 302 and 303:
300
Page 304 and 305:
O emprego do método de estatístic
Page 306 and 307:
Prud´Homme (1989), a competição
Page 308 and 309:
Os prognósticos de expansão urban
Page 310 and 311:
Batty, M.; Longley, P. Fractal citi
Page 312 and 313:
Chapin Jr., F. S.; Weiss, S. F. Fac
Page 314 and 315:
Engelen, G.; White, R.; Uljee, I. I
Page 316 and 317:
Instituto Nacional de Pesquisas Esp
Page 318 and 319:
Mertens, B.; Sunderlin, W. D.; Ndoy
Page 320 and 321:
Ridd, M.K. Exploring a V-I-S (veget
Page 322 and 323:
Torrens, P. M. Automata-based model
show all

Modelagem da dinâmica espacial como uma ... - mtc-m12:80 - Inpe

Create successful ePaper yourself

Delete template?

Save as template?