Por favor, use este identificador para citar o enlazar este ítem: http://10.7.2.42:8080/jspui/handle/2011/12165
Tipo: Tese
Fecha de publicación : 8-abr-2008
Autor(es): ALMEIDA, Arthur da Costa
metadata.dc.creator.ORCID: https://orcid.org/0000-0001-7622-4455
metadata.dc.description.affiliation: UFPA - Universidade Federal do Pará
Primer Orientador: ROCHA, Brígida Ramati Pereira da
Título : Metodologia integrada utilizando sensoriamento remoto em redes neurais artificiais na quantificação do potencial de biomassa florestal na Amazônia
Citación : ALMEIDA, Arthur da Costa. Metodologia integrada utilizando sensoriamento remoto em redes neurais artificiais na quantificação do potencial de Biomassa florestal na Amazônia. 2008. 135 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Engenharia Elétrica, Instituto de Tecnológia, Universidade Federal do Pará, Belém, 2008. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/12165. Acesso em:.
Resumen: Reconhecimento e classificação de padrões em imagens digitais é uma habilidade importante nos dias atuais, pois permite reconhecer e identificar objetos de interesse nessas imagens. Este trabalho propõe e implementa uma metodologia integrada de reconhecimento de padrões relacionados com biomassa na floresta amazônica, com o objetivo de extrair daí informações sobre potencial energético dessa biomassa para fins de utilização como combustível primário para produção de energia elétrica para eventual uso em comunidades isoladas da Amazônia. Para isso combina informações de inventário florestal obtidas em campo com classificação e reconhecimento de padrões de biomassa em imagens de satélite de média resolução (LANDSAT, CBERS). A técnica utilizada para isso vem da área de inteligência computacional: as redes neurais artificiais com arquitetura de Funções de Base Radial (RBF) e do tipo Mapa Auto-Organizável (SOM) de Kohonen. Os resultados são combinados em um Sistema de Informações Geográficas gerando um banco de dados para uso em planejamento energético com recursos renováveis, aplicáveis às áreas isoladas da Amazônia.
Resumen : Pattern recognition and pattern classification in digital images is a very important skill, today. With them, it is possible to recognize and identify target objects in those images. This work proposes an integrated methodology for pattern recognition related to biomass in the Amazon tropical rainforest to extract information about bioenergetics potential for electric energy production for use with isolated Amazonian communities. To achieve this aim, information gathered about forest inventory was mixed with pattern classification and recognition in medium resolution satellite imagery such as those from LANDSAT and CBERS. The approach used in this work comes from the computational intelligence area, using artificial neural networks equipped with radial basis functions and Kohonen´s self organizing maps. The results serve as input to a geographical information system application which creates and manages a geographical database for energetic planning with renewable energy resources applicable to isolated Amazonian communities.
Palabras clave : Biomassa
Energias renováveis
Reconhecimento de padrões
Redes
Neurais artificiais
Sistemas de informações geográficas
Artificial neural networks
Biomass
Geographical information systems
Pattern
Recognition
Renewable energies
metadata.dc.subject.areadeconcentracao: SISTEMAS DE ENERGIA ELÉTRICA
metadata.dc.subject.linhadepesquisa: FONTES RENOVÁVEIS
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
País: Brasil
Editorial : Universidade Federal do Pará
Sigla da Instituição: UFPA
Instituto: Instituto de Tecnologia
Programa: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
metadata.dc.source: Disponível na Internet via correio eletrônico: riufpabc@ufpa.br
Aparece en las colecciones: Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Tese_MetodologiaIntegradaUtilizando.pdf5,93 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons