Desenvolvimento de ferramenta de Machine Learning para classificação automatizada de uso e cobertura da terra em linhas de distribuição da CELESC
Revista Brasileira de Sensoriamento Remoto · 10.04.2024 · 5 (2)
DOI: 10.66205/rbsr.v5i2.135 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Brasileira de Sensoriamento Remoto, online erschienen am 10.04.2024. Verfasst von Pedro Henrique Machado Porath und 5 weiteren Autor:innen.
Abstract (Originalsprache)
A CELESC está entre as maiores empresas do setor elétrico brasileiro, tendo como área de concessão de distribuição de energia elétrica quase todo o território catarinense e o município de Rio Negro (PR). Possui mais de 5.300 km de linhas de distribuição, representando assim um complexo cenário quando o assunto é manutenção das faixas de servidão especialmente quanto aos serviços de podas e roçadas. Possuir o mapeamento do uso e ocupação da terra atualizado é um importante elemento para auxiliar o processo de identificação do grau de dificuldade e frequência necessária para a realização dessas manutenções. Dessa forma, a partir do projeto de P&D ANEEL “PD-05697-0122/2022” junto à CELESC, dentre os produtos gerados, por meio de linguagem de programação Python, foi proposto o desenvolvimento de uma toolbox para o QGIS utilizando a técnica de Machine Learning Randon Forest e imagens do Satélite Sentinel-2 para gerar automaticamente mapeamento do Uso e Cobertura da Terra para o estado de Santa Catarina. O mapeamento obteve o coeficiente Kappa e Acurácia Geral, o valor de 0,96. Por fim, na sequência foi realizada uma análise espacial para identificar o perfil do uso da terra nas linhas de distribuição da CELESC. A ferramenta proposta possui um potencial para otimizar a extração e o processamento de dados em vastas áreas, facilitando a classificação do uso e cobertura da terra.
Zitieren
APA
Porath, P. H. M., Silva, F. O. D., Júnior, F. C., Finco, J., Paulo, B. T., & Scherer, D. O. (2024). Desenvolvimento de ferramenta de Machine Learning para classificação automatizada de uso e cobertura da terra em linhas de distribuição da CELESC. Revista Brasileira de Sensoriamento Remoto, 5(2). https://doi.org/10.66205/rbsr.v5i2.135
Vancouver
Porath PHM, Silva FOD, Júnior FC, Finco J, Paulo BT, Scherer DO. Desenvolvimento de ferramenta de Machine Learning para classificação automatizada de uso e cobertura da terra em linhas de distribuição da CELESC. Revista Brasileira de Sensoriamento Remoto. 2024;5(2). doi:10.66205/rbsr.v5i2.135
BibTeX
@article{Porath2024,
author = {Porath, Pedro Henrique Machado and Silva, Fernanda Oliveira da and Júnior, Francisco Caruso and Finco, Jessica and Paulo, Bruno Tiago and Scherer, Dionatan Oster},
title = {Desenvolvimento de ferramenta de Machine Learning para classificação automatizada de uso e cobertura da terra em linhas de distribuição da CELESC},
journal = {Revista Brasileira de Sensoriamento Remoto},
year = {2024},
volume = {5},
number = {2},
doi = {10.66205/rbsr.v5i2.135}
}
EUVIMED