Aprendizado de máquina em cartografias de cobertura do solo urbano. Uma ferramenta para a gestão territorial
DOI:
https://doi.org/10.30972/crn.39397898Palavras-chave:
Mapa de cobertura urbana, modelo de aprendizagem, automático análise multivariada, sistemas de informação geográficaResumo
Este estudo desenvolve a análise e as metodologias semi-automatizadas utilizadas para descrever e mapear a cobertura do solo urbano e os usos do solo na província de Córdoba. Os resultados demonstram uma correlação notável entre a classificação resultante e a realidade territorial que representa. Embora não seja definitiva, aproximam-se das características do ambiente construído e dos usos e atividades que ocorrem dentro dele. A aplicação dessas metodologias é vista como uma contribuição para o monitoramento temporal chave, incluindo a quantificação dos impactos da urbanização, a temperatura da superfície ,terrestre a diminuição das áreas verdes e os efeitos de vários usos do solo na cidade, entre outros. Além disso, permitem a execução de exercícios de modelagemprospectiva, estabelecendo possíveis cenários de ocupação para a aplicação de políticas de desenvolvimento e gestão eficientes do território.
Downloads
Referências
Ahmed, H. A.; Singh, S.K.; Kumar,M.; Maina, M.S. & Dzwairo R. (2020). Impact of urbanization and land cover change on urban climate: Case study of Nigeria. Urban Climate Volume 32, June 2020, 100600.
Bhagawat, R.; Roshan S.; Ripu, K.; Hamidreza, K.; Nigel, E. C.; Sushila, R.; Syed Ajijur, R.; Himlal, B. (2019). Effects of land use and land cover change on ecosystem services in the Koshi River Basin, Eastern Nepal. Ecosystem Services. Volume 38, August 2019.
Bozzano, H.; Carut, C.; Barbetti, C.; Cirio, G. & Arrivillaga, N. (2008). Usos del suelo y lugares: Criterios teórico-metodológicos. Aplicación a un caso en Guatemala Revista Universitaria de Geografía, vol. 17, pp. 189-231 Universidad Nacional del Sur Bahía Blanca, Argentina.
Breiman, L.; Friedman, J.; Stone, C. J.; & Olshen, R. A. (1984). Classification and Regression Trees. Taylor & Francis.
Breiman, L. (1996). Bagging predictors. Machine learning, 24(2), 123-140.
Breiman, L. (2001). Random forests. Machine learning, 45(1), 5-32.
Carter, J. G. (2018). Urban climate change adaptation: Exploring the implications of future land cover scenarios. Cities Volume 77, July 2018, Pages 73-80
Chen, J.; Yang, K.; Chen, S.; Yang, C.; Zhang, S. & He, L. (2019). Enhanced normalized difference index for impervious surface area estimation at the plateau basin scale, Journal of Applied Remote Sensing, Vol. 13 Issue 01, p. 1.
Chuvieco Salinero, E. (1985). Anales de Geografía de la Universidad Complutense, atén. 5. Ed. Univ. Complutense.
Ferrelli, F.; Piccol, M. C. (2017). Estudio del confort climático a escala micro-local. El caso de Bahía Blanca (Argentina) Revista Bitácora Urbano Territorial, vol. 27, núm. 3, septiembre-diciembre, 2017, pp. 91- 100 Universidad Nacional de Colombia Bogotá, Colombia.
Foody, G; See, L; Fritz, S.; Mooney, P.; Olteanu-Raimond, A-M; Fonte, C. C. and Antoniou, V. eds. (2017). Mapping and the Citizen Sensor. London: Ubiquity Press. DOI: https://doi.org/10.5334/bbf. License: CC-BY 4.0
Ghandour, A. J. & Jezzini, A.A. (2018). Autonomous Building Detection Using Edge Properties and Image Color Invariants. Buildings 2018, 8, 65. https://doi.org/10.3390/buildings8050065
Gómez, L. F. (2019). Simulación de escenarios futuros de cambios de usos del suelo usando Redes Neuronales Artificiales. Aplicación en la ciudad de Curuzú Cuatiá, Corrientes, Argentina. Estudio socio territoriales. Revista de Geografía. Centro de Investigaciones Geográficas CIG/IGEHCS FCH UNCPBA/CONICET
Merlotto, A.; Piccolo M. C. & Bértola, R. ( 2012), Crecimiento urbano y cambios del uso/ cobertura del suelo en las ciudades de Necochea y Quequén, Buenos Aires, Argentina. Revista Geografía Norte Grande N°53 pág. 159-176
Molero Melgarejo, E.; Grindlay Moreno, A. L. & Asensio Rodríguez, J. J. (2007). Escenarios de aptitud y modelización cartográfica del crecimiento urbano mediante técnicas de evaluación multicriterio”, GeoFocus (Artículos), nº 7, p. 120- 147. ISSN: 1578-5157
Paegelow, M.; Camacho Olmedo, M. T. y Menor Toribio, J. (2003). Cadenas de Markov, evaluación multicriterio y evaluación multiobjetivo para la modelización prospectiva del paisaje, GeoFocus (Artículos), nº 3, 2003, p. 22-44. ISSN: 1578-5157
Salvioli, M. L.; Guerrero-Borges & V. Cipponeri, M. (2022). Aplicación de indicadores ambientales para la planificación del uso del suelo en una zona costera de Buenos Aires, Argentina. Revista U.D.C.A Actualidad & Divulgación Científica. Vol. 25. Bogotá, Colombia.
Tibshirani, R. J. & Efron, B. (1994). An Introduction to the Bootstrap. Chapman and Hall/CRC. https://doi.org/10.1201/9780429246593
Viana C. y Rocha, J. (2020). Evaluating Dominant Land Use/Land Cover Changes and Predicting Future Scenario in a Rural Region Using a Memoryless StochasticMethod. Sustainability | Free Full-Text | Evaluating Dominant Land Use/Land Cover Changes and Predicting Future Scenario in a Rural Region Using a Memoryless Stochastic Method (mdpi.com)
Ying Zhang & Lixin Sun (2019). Spatial-temporal impacts of urban land use land cover on land surface temperature: Case studies of two Canadian urban areas. International Journal of Applied Earth Observation and Geoinformation. Vol. 75, Pages 171-181.
Downloads
Publicado
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
CUADERNO URBANO sostiene su compromiso con las políticas de Acceso Abierto a la información científica, al considerar que tanto las publicaciones científicas como las investigaciones financiadas con fondos públicos deben circular en Internet en forma libre, gratuita y sin restricciones.
CUADERNO URBANO ratifica el modelo Acceso Abierto en el que los contenidos de las publicaciones científicas se encuentran disponibles a texto completo libre y gratuito en Internet, sin embargos temporales, y cuyos costos de producción editorial no son transferidos a los autores. Esta política propone quebrar las barreras económicas que generan inequidades tanto en el acceso a la información, como en la publicación de resultados de investigaciones.
.jpg){kind=logo}
