Esta es un versión antigua publicada el 2021-06-24. Consulte la versión más reciente.

PLATAFORMA DE SUPERVISIÓN Y SOPORTE PARA LAS DECISIONES DE PLANIFICACIÓN TERRITORIAL DEL CIRCUITO PAULISTA DEL AGUA

Autores/as

DOI:

https://doi.org/10.59550/engurbdebate.v2i1.13

Palabras clave:

Teledetección, SVM, Planeamiento urbanístico

Resumen

Este trabajo demuestra un prototipo de una plataforma de supervisión territorial para las ciudades que componen la región del Circuito das Águas Paulistas (Circuito Paulista del Agua). El prototipo fue desenvuelto pela utilización de un API (Application Programming Interface), del Google Earth Engine, y se emplea programación en javascript para detectar, cuantificar y evaluar movimiento de uso y ocupación de lo solo en escala interurbana de forma ágil y constante. Para esa tarea han usado el clasificador de aprendizaje de máquina  SVM (Support Vector Machine) y el catálogo actualizado de imágenes del Satélite Sentinel II, ambos son disponibilizados gratuitamente en infraestructura en nube del GEE. Lo bajo costo computacional y el buen desempenõ obtenido Este trabajo demuestra un prototipo de una plataforma de supervisión territorial para las ciudades que componen la región del Circuito das Águas Paulistas (Circuito Paulista del Agua). El prototipo fue desenvuelto pela utilización de un API (Application Programming Interface), del Google Earth Engine, y se emplea programación en javascript para detectar, cuantificar y evaluar movimiento de uso y ocupación de lo solo en escala interurbana de forma ágil y constante. Para esa tarea han usado el clasificador de aprendizaje de máquina  SVM (Support Vector Machine) y el catálogo actualizado de imágenes del Satélite Sentinel II, ambos han disponibilizado gratuitamente en infraestructura en nube del GEE. Lo bajo costo computacional y el buen desempenõ obtenido posibilitan que el prototipo desenvuelto  sea una herramienta propicia a las necesidades de las ciudades con pequeño porte  y, además, ellas pueden agremiarse para construir una plataforma común, independiente y  personalizada de inteligencia geográfica para soporte a decisión.

Biografía del autor/a

Juliana Campos Degenario Ribeiro, Universidade de São Paulo

Graduanda em Bacharelado em Sistemas de Informação pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC/USP). Técnica em Eletrônica pelo Instituto Federal de Educação, Ciência e Tecnologia Fluminense campus Macaé. Paricipou do Projeto Machine Learning: Utilização do classificador Support Vector Machine (SVM) e imagens sentinel-2 para o planejamento regional do circuito das águas paulista, pelo Instituto de Arquitetura e Urbanismo da Universidade de São Paulo (IAU/USP).

Breno Malheiros de Melo, Universidade de São Paulo (USP)

Graduando em Engenharia Civil pela Escola de Engenharia de São Carlos (EESC-USP). Participou do Projeto Machine Learning: Utilização do classificador Support Vector Machine (SVM) e imagens sentinel-2 para o planejamento regional do circuito das águas paulista, pelo Instituto de Arquitetura e Urbanismo da Universidade de São Paulo (IAU/USP). Desenvolve pesquisas na área de Sensoriamento remoto

Marcel Fantin, Universidade de São Paulo (USP)

Professor doutor no Instituto de Arquitetura e Urbanismo da USP (IAU). Atualmente coordena o grupo de pesquisa PEx-Urb (Práticas de Pesquisa, Ensino e Extensão em Urbanismo). Técnico em cartografia, graduado em direito, mestre em Planejamento Urbano e Regional (UNIVAP) e doutor em Geociências (UNICAMP). Foi bolsista do Programa ELAP na Université Laval (Canadá), com experiência em mapeamentos urbanos, com especial ênfase em áreas precárias e ambientalmente sensíveis. Participa como pesquisador de projetos internacionais sobre urbanização e desigualdade no Cone Sul, além de dedicar-se à pesquisa de cartografias contra hegemônicas na luta pelo direito à moradia.

Jeferson Cristiano Tavares, Universidade de São Paulo (USP)

Professor Doutor no Instituto de Arquitetura e Urbanismo (IAU-USP ), nos curso de graduação e no Programa de Pós-Graduação. Docente no Curso de Engenharia Ambiental (EESC-USP). Líder do Grupo de Pesquisa PEx-URB (Práticas de Pesquisa, Ensino e Extensão em Urbanismo) e coordenador nacional do Laboratório de Experiências Urbanísticas (LEU). Doutor (2015), Mestre (2004), Arquiteto e Urbanista (2000) pelo IAU-USP. Bolsa Produtividade CNPq (PQ-Nível 2) e coordenador de Projeto Regular FAPESP. Atua nas áreas de Arquitetura e Urbanismo e de Planejamento Urbano e Regional. Desenvolve pesquisas e trabalhos técnicos nos temas de: Ordenamento Territorial, Metropolização, Dispersão Urbana, Políticas Públicas, Consórcios Intermunicipais, Infraestrutura Urbana e Regional, Infraestrutura Verde, Assentamentos Precários, Vulnerabilidade Ambiental e Social, Desigualdade e Segregação Socioterritorial, História da Cidade e do Urbanismo. Possui experiência na gestão pública e na execução de planos e projetos urbanos e regionais na Região Metropolitana de São Paulo, em Minas Gerais, no Piauí e em Santa Catarina. Atualmente coordena projetos urbanísticos de extensão nos estados de São Paulo e de Sergipe. É autor do livro Projetos para Brasília: 1927-1957 (IPHAN: 2014, 506 p.), vencedor do Prêmio ANPARQ - 2016, e do livro Planejamento Regional do Estado de São Paulo: Polos, Eixos e a Região dos Vetores Produtivos (Annablume: 2018, 332 p.), vencedor do IV Prêmio Ana Clara Torres Ribeiro - ANPUR - 2019.

Julio Cesar Pedrassoli , Universidade Federal da Bahia (UFBA)

Graduado em Geografia, mestre em Geografia Física e doutor em Geografia Humana pela USP. Atualmente é professor doutor no Departamento de Engenharia de Transportes e Geodésia da Universidade Federal da Bahia (UFBA), escola Politécnica. Trabalhou como Research Scholar entre 2015 e 2016 na Universidade de Columbia em Nova York desenvolvendo aplicações de modelos de mistura espectral em imagens orbitais para o mapeamento de favelas e desigualdades socioambientais urbanas. Tem experiência em projetos de mapeamento urbano no setor privado (Organizações não governamentais) e público municipal. Atualmente dedica-se ao desenvolvimento de aplicações de para o processamento de grande quantidade de dados espaciais em nuvem, especialmente sensoriamento remoto.

Marcos Roberto Martines, Universidade Federal de São Carlos (UFScar)

Graduação(1998), mestrado (Geografia Humana 2005) e doutorado
(Geografia Física 2011) Universidade de São Paulo (1998). Desenvolve pesquisa na área
de Cartografia e Geociências, com ênfase em Geoprocessamento, atuando principalmente
nos seguintes temas: Geoprocessamento, Diagnóstico e Análise Ambiental, Modelagem
Cartográfica, Álgebra de Mapas, Estatística e Banco de Dados Geográficos e
Sensoriamento Remoto

Citas

ADAM, E. et al. Land-Use/Cover Classification in a Heterogeneous Coastal Landscape Using Rapid Eye Imagery: Evaluating the Performance of Random Forest and Support Vector Machines Classifiers. International Journal of Remote Sensing [s.l] v. 35, n. 10, p. 3440-3458, abr. 2014. DOI: http://dx.doi.org/10.1080/01431161.2014.903435. Acesso em: 30 mai. 2021.

BANTIN DE SOUZA, N. R. As políticas públicas no processo de formação e gestão do circuito das Águas Paulista. Orientador: Aguinaldo Fratucci. 2010. Monografia (Graduação em Turismo), Faculdade de Administração, Ciências Contábeis e Turismo, Universidade Federal Fluminense, Niterói. 2010. Disponível em: https://app.uff.br/riuff/handle/1/1577. Acesso em: 30 mai. 2021

ENGESAT. Imagens de Satélites e Geotecnologia. NDVI: criando índice de vegetação no global mapper. 2020. Disponível em: http://www.engesat.com.br/softwares/global-mapper/calculo-do-indice-de-vegetacao-ndvi-no-global-mapper/#:~:text=NDVI%20%C3%A9%20a%20abrevia%C3%A7%C3%A3o%20da,imagens%20geradas%20por%20sensores%20remotos. Acesso em: 18 agosto 2020.

ESA. European Space Agency. Sentinel-2 User Handbook. 2020. Disponível em: https://sentinel.esa.int/web/sentinel/user-guides/sentinel-2-msi/product-types/level-2a. Acesso em: 29 agosto 2020.

GORELICK, N. et al. Google earth engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment. v. 202, p. 18-27, 2017. DOI: https://doi.org/10.1016/j.rse.2017.06.031. Disponível em: https://www.sciencedirect.com/science/article/pii/S0034425717302900. Acesso em: 30 mai. 2021.

IBGE. Instituto Brasileiro de Geografia e Estatística. Censo demográfico de 2010. Disponível em: https://censo2010.ibge.gov.br/resultados.html. Acesso em: 10 agosto 2020.

KAVZOGLU, T; COLKESEN, I. A Kernel Functions Analysis for Support Vector Machines for Land Cover Classification. International Journal of Applied Earth Observation and Geoinformation, v. 11, n. 5, p. 352-359, out. 2009. DOI: https://doi.org/10.1016/j.jag.2009.06.002. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0303243409000464. Acesso em: 30 mai. 2021.

MARTINES, M. et al. Separability Analysis of Atlantic Forest Patches by Comparing Parametric and Non-Parametric Image Classification Algorithms. Journal Of Geographic Information System (jgis). [s.l] p. 567-578. out. 2019. DOI: https://doi.org/10.4236/jgis.2019.115035. Disponível em: https://www.scirp.org/journal/paperinformation.aspx?paperid=95805. Acesso em: 30 mai. 2021.

ONU. Organização das Nações Unidas. Agenda 2030. ONU Brasil. 2019. Disponível em: https://nacoesunidas.org/pos2015/agenda2030/. Acesso em: 12 de novembro de 2019.

SANTOS, E. M. Teoria e Aplicação de Support Vector Machines à Aprendizagem e Reconhecimento de Objetos Baseado na Aparência. Orientador: Herman Martins Gomes. Dissertação (Mestrado) - Centro de Ciências e Tecnologia, Coordenação de Pós Graduação em Informática, Universidade Federal da Paraíba, Campina Grande. 2002. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4265. Acesso em: 30 mai. 2021.

SÃO PAULO. Estado. Plano Regional de Desenvolvimento Turístico do Circuito das Águas - SP (1972 A 1980). São Paulo: SERETE, 1982.

SÃO PAULO. Estado. Programa Município VerdeAzul. 2019 Disponível em: https://www.infraestruturameioambiente.sp.gov.br/verdeazuldigital/. Acesso em: 07 de novembro de 2019.

SPRIN, A. W. O jardim de granito: a natureza no desenho da cidade. Trad. Paulo Renato Mesquita Pellegrino. São Paulo: Edusp. 1995.

VAPNIK, V. N. The nature of Statistical learning theory. New York: Springer. 1995.

Capa do volume 2, n.2, Interfaces Urbanas

Descargas

Publicado

2021-06-24

Versiones

Número

Vol. 2 Núm. 1 (2021): Interfaces Urbanas

Sección

Geotecnia e Geoprocessamento

Licencia

Derechos de autor 2021 Juliana Campos Degenario Ribeiro, Breno Malheiros de Melo, Marcel Fantin, Jeferson Cristiano Tavares, Julio Cesar Pedrassoli , Marcos Roberto Martines

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.