17 resultados para Geographic information science|Information science


Relevância:

90.00% 90.00%

Publicador:

Resumo:

Ao longo das últimas décadas o Parque Natural da Arrábida (PNArr) tem vindo a ser alvo de um elevado número de pressões antrópicas. Tal situação fica-se a dever à atractividade paisagística e ambiental e à localização geográfica desta Área Protegida, que se encontra próximo de áreas urbanas com uma elevada densidade populacional. Uma dessas pressões antrópicas é a área construída, na sua grande maioria residências secundárias, que se verificam em algumas áreas no interior do PNArr, sobretudo a partir da segunda metade da década de 80 do século passado. Este fenómeno origina uma série de efeitos negativos, como por exemplo a fragmentação de habitats. Com base nesta premissa propõe-se uma metodologia que permita proceder à monitorização de áreas edificadas na área do parque. A presente dissertação pretendeu avaliar o contributo da Detecção Remota (DR) e dos Sistemas de Informação Geográfica (SIG) como instrumentos para monitorizar a taxa de edificação, que é restringida pelos planos de ordenamento. Para tal foram selecionadas três áreas: Portinho da Arrábida, Vale de Picheleiros e Serra da Azóia, que foram analisadas num espaço temporal de 45 anos, entre 1967 e 2012. Para proceder à caracterização, quantificação e espacialização da evolução de áreas construídas foram utilizados SIG e DR. A análise efectuada teve como informação geográfica de base Fotografias Aéreas (1967, 1977 e 1978) e Ortofotomapas (1995, 1999, 2007 e 2012), informação vectorial referente aos limites do PNArr e aos Planos de Ordenamento e, como informação complementar, a Base Geográfica de Referenciação da Informação dos anos de 1991, 2001 e 2011. Os resultados obtidos demonstram a existência de dinâmicas evolutivas da área construída diferenciadas em cada uma das três áreas de estudo. No Portinho da Arrábida as demolições ocorridas em 1986 reduziram a área edificada e desde então o aumento da área construída é pouco significativo. No Vale de Picheleiros registou-se um aumento de dez vezes a área construída inicial e é mais notório o impacto das medidas de restrição à edificação estabelecidas no plano de ordenamento de 2005, comparativamente ao plano preliminar de ordenamento de 1980. Na Serra da Azóia, o reduzido aumento de áreas construídas, entre 2007 e 2012, no zonamento Protecção Complementar II, traduz o efeito das restrições à edificação estabelecidas no plano de ordenamento de 2005. No outro zonamento, Perímetro Urbano, não é possível verificar os efeitos das restrições, uma vez que esta área está fora da gestão do Parque. As informações geográficas produzidas com base na utilização de Tecnologias de Informação Geográfica revelam ser essenciais para a gestão e monitorização da taxa de edificação. Os resultados produzidos ajudam à caracterização do território, bem como à identificação de tendências de evolução da área edificada.

Relevância:

90.00% 90.00%

Publicador:

Resumo:

Grasslands in semi-arid regions, like Mongolian steppes, are facing desertification and degradation processes, due to climate change. Mongolia’s main economic activity consists on an extensive livestock production and, therefore, it is a concerning matter for the decision makers. Remote sensing and Geographic Information Systems provide the tools for advanced ecosystem management and have been widely used for monitoring and management of pasture resources. This study investigates which is the higher thematic detail that is possible to achieve through remote sensing, to map the steppe vegetation, using medium resolution earth observation imagery in three districts (soums) of Mongolia: Dzag, Buutsagaan and Khureemaral. After considering different thematic levels of detail for classifying the steppe vegetation, the existent pasture types within the steppe were chosen to be mapped. In order to investigate which combination of data sets yields the best results and which classification algorithm is more suitable for incorporating these data sets, a comparison between different classification methods were tested for the study area. Sixteen classifications were performed using different combinations of estimators, Landsat-8 (spectral bands and Landsat-8 NDVI-derived) and geophysical data (elevation, mean annual precipitation and mean annual temperature) using two classification algorithms, maximum likelihood and decision tree. Results showed that the best performing model was the one that incorporated Landsat-8 bands with mean annual precipitation and mean annual temperature (Model 13), using the decision tree. For maximum likelihood, the model that incorporated Landsat-8 bands with mean annual precipitation (Model 5) and the one that incorporated Landsat-8 bands with mean annual precipitation and mean annual temperature (Model 13), achieved the higher accuracies for this algorithm. The decision tree models consistently outperformed the maximum likelihood ones.