Use este identificador para citar ou linkar para este item:
https://rigeo.sgb.gov.br/handle/doc/21763
Registro completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | CARVALHO, Carlos Henrique Grohmann de | - |
dc.contributor.author | SANTOS, Luiz Fernando dos | - |
dc.date.accessioned | 2020-09-30T19:10:04Z | - |
dc.date.available | 2020-09-30T19:10:04Z | - |
dc.date.issued | 2020 | - |
dc.identifier.citation | SANTOS, Luiz Fernando dos. Utilização de dados 3D de alta resolução para detecção de mudanças em movimentos de massa em Perus, São Paulo (SP). Orientador: Carlos Henrique Grohmann de Carvalho. 2020. 220f. Dissertação ( Mestrado em Ciências) - Instituto de Geociências, Universidade de São Paulo, São Paulo, 2020. | pt_BR |
dc.identifier.uri | https://rigeo.sgb.gov.br/handle/doc/21763 | - |
dc.description.abstract | Há um aumento da intensidade e frequência de desastres naturais em todo o mundo, especialmente os relacionados aos movimentos de massa (p. ex., deslizamentos), inclusive no Brasil onde vários ocorreram nos últimos anos. O desenvolvimento recente de plataformas e sensores remotos aéreos de coleta de dados, como aeronaves não tripuladas equipados com sensores fotográficos comuns (drones), pode, com um certo nível de planejamento fotogramétrico e processamento de dados, ser usado para entender melhor esses cenários, com resultados positivos na identificação, análise e monitoramento de áreas suscetíveis aos movimentos de massa. O objetivo foi (1) produzir uma extensa e ampla revisão bibliográfica de temas relacionados; (2) o emprego de drones e pontos de controle (GCPs), pela técnica dGNSS, em área suscetível de geodinâmica conhecida (como o Morro Doce, a NW da cidade de São Paulo); (3) uma comparação, por meio de algoritmo apropriado, de dois conjuntos de dados 3D registrados (nuvens de pontos) e gerados a partir de processamento fotogramétrico (SfM-MVS) para detectar alterações topográficas (p. ex., um deslizamento). O primeiro conjunto de imagens, adquirido em 2017, contém um total de 155 imagens e 7 GCPs de <1 cm em precisão XYZ. O segundo, de 2019, compreende 484 imagens e 8 GCPs de <2cm em XY e <4cm em Z. Diante de diferentes arranjos de aquisição de dados (linhas de vôo, altura acima do solo, GCPs) e equipamentos, o processamento de dados e o registro obtiveram a melhor qualidade possível por meio de uma análise da configuração inicial, observações de modelos de câmera, filtragem e otimização (ajustamento por feixe de raios) automatizados via script Python. A seguir, as nuvens densas, resultantes da etapa MVS, foram filtradas de ruídos e pontos acima do solo e depois segmentadas por uma área comum (cobrindo as feições de instabilidade identificadas na encosta). Após, uma filtragem multi-etapas utilizou um algoritmo especializado (Cloth Simulation Filter), as distâncias calculadas para uma superfície/nuvem de referência conhecida (dados LiDAR-ALS) e a remoção manual de pontos resultando em nuvens de pontos comparáveis, livres de objetos (apenas pontos de solo) e com erro de registro de 5cm medido em feições estáveis da encosta (p. ex., afloramentos rochosos). Uma comparação 3D nuvem a nuvem (método M3C2) detectou pequenas mudanças significativas em duas cicatrizes de deslizamento, sugerindo que estas áreas mudaram no intervalo de tempo do estudo, ou, que pontos não-solo ainda estavam presentes apesar da filtragem criteriosa (M3C2 considera a rugosidade das nuvens). Para considerar a origem dos dados (fotogramétrica) e melhorar os resultados, foram incorporados estimativas de precisão dos pontos (M3C2-Precision Maps), resultando em nenhuma alteração significativa detectada e correspondendo ao registro histórico da Defesa Civil local no período. O resultado representa um modelo histórico de mudança mais detalhado do que o monitoramento visual atualmente empregado. A prevenção é um dos principais pilares da gestão de desastres naturais, portanto, os resultados destacam um novo método de prevenção, de última geração e baixo custo, para monitorar movimentos de massa antes que eles ocorram e causem perdas e danos. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.rights | open | pt_BR |
dc.subject.other | DRONES | pt_BR |
dc.subject.other | VEÍCULO AÉREO NÃO TRIPULADO - VANT | pt_BR |
dc.subject.other | DESLIZAMENTOS | pt_BR |
dc.subject.other | NUVENS DE PONTOS | pt_BR |
dc.subject.other | DETECÇÃO DE MUDANÇA 3D TOPOGRÁFICA | pt_BR |
dc.subject.other | DESASTRES NATURAIS | pt_BR |
dc.subject.other | MOVIMENTOS DE MASSA | pt_BR |
dc.subject.other | SÃO PAULO | pt_BR |
dc.subject.other | PERUS | pt_BR |
dc.title | Utilização de dados 3D de alta resolução para detecção de mudanças em movimentos de massa em Perus, São Paulo (SP) | pt_BR |
dc.type | Dissertation | pt_BR |
dc.degree.grantor | Universidade de São Paulo | pt_BR |
dc.degree.department | Instituto de Geociências | pt_BR |
dc.degree.program | Programa de Recursos Minerais e Hidrogeologia | pt_BR |
dc.degree.level | Mestrado Profissional | pt_BR |
dc.creator.affilliation | CPRM - Serviço Geológico do Brasil | pt_BR |
dc.contributor.member | CARVALHO, Carlos Henrique Grohmann de | - |
dc.contributor.member | MACEDO, Eduardo Soares de | - |
dc.contributor.member | TOGNOLI, Francisco Manoel Wohnrath | - |
dc.degree.local | São Paulo | pt_BR |
dc.subject.en | DRONES | pt_BR |
dc.subject.en | UNMANNED AERIAL VEHICLE – UAV | pt_BR |
dc.subject.en | LANDSLIDES | pt_BR |
dc.subject.en | POINT CLOUD | pt_BR |
dc.subject.en | TOPOGRAPHIC 3D CHANGE DETECTION | pt_BR |
dc.degree.date | 2020 | - |
Aparece nas coleções: | Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
dissert_utilizacao_de_dados.pdf | 193,94 MB | Adobe PDF | Visualizar/Abrir |
O uso do material disponibilizado neste repositório deve ser feito de acordo e dentro dos limites autorizados pelos Termos de Uso.