Modelagem dinâmica espacial : cartografia prospectiva e o valor da terra
dc.contributor.advisor | Iescheck, Andrea Lopes | pt_BR |
dc.contributor.author | Bledow, Gustavo Diego | pt_BR |
dc.date.accessioned | 2024-02-10T05:07:21Z | pt_BR |
dc.date.issued | 2023 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/271861 | pt_BR |
dc.description.abstract | A modelagem dinâmica espacial concentra-se na obtenção e calibração de regras de transição que possibilitam a construção de cenários futuros, isto é, a simulação da ocupação espacial com base nos modelos obtidos. O processo de utilização do solo envolve externalidades que, de maneira mais ampla, geram as chamadas sinergias urbanas; estando associado a uma lógica de valorização intrínseca à reprodução do capital incorporador, exercendo um papel fundamental no processo de estruturação dos espaços das cidades. Nesse sentido, o presente estudo objetiva examinar a influência do valor da terra na construção de modelos urbanos, verificando se sua inserção como variável explicativa auxilia na estimativa de cenários futuros de uso e cobertura do solo. A metodologia adotada associou técnicas de aprendizagem de máquina, baseadas em Redes Neurais Artificiais, para modelagem do potencial de transição, com autômatos celulares para simular cenários futuros de uso do solo. Nesse processo foram realizadas duas modelagens. Na primeira foram inseridas as variáveis referentes à estrutura viária, à rede hidrográfica, às morfometrias de relevo e ao Plano Diretor Municipal, que normalmente são utilizadas em modelagens dinâmicas espaciais. E na segunda, além dessas variáveis, foi agregado o parâmetro valor da terra. Foi realizado um estudo de caso na região do município de Taquari/RS, para analisar modificações temporais espaçadas em 10 anos. Ambos os modelos obtidos convergiram com a realidade, apresentando pequena diferença entre si. O primeiro modelo alcançou uma precisão geral equivalente a 86,51%, com fator Kappa geral de 0,625. O modelo com o valor da terra apresentou leve melhora com precisão geral equivalente a 86,93% e fator Kappa geral de 0,651. | pt_BR |
dc.description.abstract | ABSTRACT Spatial dynamic modeling focuses on obtaining and calibrating transition rules that enable the construction of future scenarios, that is, the simulation of spatial occupation based on the obtained models. The land use process involves externalities that, more broadly, generate the so-called urban synergies; being associated with a logic of valorization intrinsic to the reproduction of incorporating capital, playing a fundamental role in the process of structuring the spaces of cities. In this sense, this dissertation objectively examines the influence of land value in the construction of urban models, verifying whether its inclusion as an explanatory variable helps in predicting future land use and land cover scenarios.The adopted methodology associated machine learning techniques, based on Artificial Neural Networks, for modeling the transition potential, with cellular automata to simulate future land use scenarios. In this process, two models were carried out, in the first, variables referring to the road structure, hydrographic network, relief morphometrics and those referring to the Municipal Master Plan were inserted, normally used in spatial dynamic modeling and in the second, in addition to these, a value parameter was added from the earth . The study carried out a case study in the region of the municipality of Taquari/RS, analyzing temporal changes spaced over 10 years. Both models obtained converged with reality, revealing little difference between them. The first model achieved an overall accuracy equivalent to 86.51%, with an overall Kappa factor of 0.625. The model with land value showed a slight improvement with an overall result equivalent to 86.93% and an overall Kappa factor of 0.651. | en |
dc.format.mimetype | application/pdf | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Spatial dynamic modeling | en |
dc.subject | Sensoriamento remoto | pt_BR |
dc.subject | Artificial neural networks | en |
dc.subject | Modelos dinâmicos espaciais | pt_BR |
dc.subject | Redes neurais artificiais | pt_BR |
dc.subject | Cellular automata | en |
dc.subject | Explanatory variables | en |
dc.subject | Land value | en |
dc.title | Modelagem dinâmica espacial : cartografia prospectiva e o valor da terra | pt_BR |
dc.type | Dissertação | pt_BR |
dc.identifier.nrb | 001195469 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia | pt_BR |
dc.degree.program | Programa de Pós-Graduação em Sensoriamento Remoto | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2023 | pt_BR |
dc.degree.level | mestrado | pt_BR |
Este item está licenciado na Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)
-
Ciências Exatas e da Terra (5092)Sensoriamento Remoto (289)