EUVIMEDEUVIMED entdecken
Crossref

Desenvolvimento de ferramenta de Machine Learning para classificação automatizada de uso e cobertura da terra em linhas de distribuição da CELESC

Pedro Henrique Machado Porath, Fernanda Oliveira da Silva, Francisco Caruso Júnior, Jessica Finco, Bruno Tiago Paulo, Dionatan Oster Scherer

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →