Fechar
Metadados

@MastersThesis{Negri:2009:AvDaPo,
               author = "Negri, Rog{\'e}rio Galante",
                title = "Avalia{\c{c}}{\~a}o de dados polarim{\'e}tricos do sensor ALOS 
                         PALSAR para classifica{\c{c}}{\~a}o da cobertura da terra da 
                         Amaz{\^o}nia",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2009",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2009-05-19",
             keywords = "Amaz{\^o}nia, classifica{\c{c}}{\~a}o de imagens, SAR, ALOS, 
                         polarimetria, Amazon (region), image classification, SAR, ALOS, 
                         polarimetry.",
             abstract = "A Amaz{\^o}nia {\'e} considerada a maior floresta tropical do 
                         planeta, abrigando parte consider{\'a}vel da biodiversidade e 
                         exercendo papel fundamental nos ciclos biogeoqu{\'{\i}}micos. 
                         Devido a atua{\c{c}}{\~a}o antr{\'o}pica, esta floresta sofre 
                         constantemente processos destrutivos, como por exemplo, 
                         desmatamentos e queimadas, que por sua vez, pode provocar 
                         desequil{\'{\i}}brios ao ecossistema. Tais circunst{\^a}ncias 
                         tornam o monitoramento desta regi{\~a}o importante, para o qual, 
                         o uso de Sensoriamento Remoto {\'e} conveniente. Fatores 
                         atmosf{\'e}ricos desta regi{\~a}o, como a intensa 
                         presen{\c{c}}a de nuvens, prejudicam a aquisi{\c{c}}{\~a}o de 
                         informa{\c{c}}{\~o}es a partir de sensores {\'o}pticos. Neste 
                         contexto, a utiliza{\c{c}}{\~a}o de radares imageadores 
                         tornam-se {\'u}teis, uma vez que as condi{\c{c}}{\~o}es 
                         atmosf{\'e}ricas n{\~a}o interferem terminantemente na 
                         aquisi{\c{c}}{\~a}o dos dados. Uma recente tecnologia s{\~a}o 
                         os radares polarim{\'e}tricos, capazes de coletar uma maior 
                         quantidade de informa{\c{c}}{\~a}o a respeito dos alvos, 
                         proporcionando assim o aumento na capacidade de 
                         discrimina{\c{c}}{\~a}o destes. Recentemente, a JAXA 
                         lan{\c{c}}ou o sat{\'e}lite ALOS, munido do sensor PALSAR, um 
                         radar polarim{\'e}trico que opera em banda L. Para 
                         avalia{\c{c}}{\~a}o do potencial das imagens PALSAR na 
                         discrimina{\c{c}}{\~a}o de diferentes tipos de alvos habituais 
                         de regi{\~o}es de floresta tropical, foram empregados os 
                         m{\'e}todos MaxVer/ICM e K-M{\'e}dias Wishart H/A/\α de 
                         classifica{\c{c}}{\~a}o de imagens SAR, associados a diferentes 
                         conjuntos de informa{\c{c}}{\~o}es provenientes das imagens 
                         polarim{\'e}tricas, considerando diferentes n{\'{\i}}veis de 
                         discrimina{\c{c}}{\~a}o de alvos. Os resultados obtidos 
                         possibilitaram afirmar que o m{\'e}todo MaxVer/ICM possui maior 
                         capacidade de discrimina{\c{c}}{\~a}o dos alvos. A 
                         utiliza{\c{c}}{\~a}o de dados Univariados (HH, HV ou VV em 
                         Amplitude) {\'e} limitada para separa{\c{c}}{\~a}o de 
                         diferentes alvos, ao contr{\'a}rio do que ocorre com o emprego de 
                         duas ou mais componentes polarim{\'e}tricas, definido pelos 
                         conjuntos Bivariados, Multivariados e Polarim{\'e}tricos, Classes 
                         derivadas de {\'a}rea florestais, como por exemplo, florestas 
                         prim{\'a}rias e tipos de regenera{\c{c}}{\~o}es n{\~a}o foram 
                         discriminadas satisfat{\'o}riamente, independente dos dados 
                         utilizados, por{\'e}m, diferentes tipos de agricultura e pastagem 
                         foram discriminadas. Os resultados possibilitam concluir que o 
                         ganho de capacidade em discrimina{\c{c}}{\~a}o dos alvos com uso 
                         de dados Multivariados e Polarim{\'e}tricos n{\~a}o proporciona 
                         aumento consider{\'a}vel, e logo, {\'e} indicando assim os dados 
                         Bivariados, em especial HH+HV, denominado por Modo Operacional de 
                         Aquisi{\c{c}}{\~a}o, para trabalhos relacionados ao 
                         monitoramento de florestas tropicais a partir do emprego de 
                         radares que operam em banda L. ABSTRACT: Amazon Forest is 
                         considered the largest tropical forest of the planet. It keeps 
                         considerable part of the biodiversity and has great importance to 
                         the biogeochemistry cycles. The anthropic actions cause 
                         destructive processes such as deforestations and burnings, which 
                         can provoke unbalances on the ecosystem. This scenario highlights 
                         the importance of the monitoring on this area by Remote Sensing. 
                         Atmospheric factors over the Amazon region as the cloud cover 
                         could affect the quality of the optical remoto sensing. In this 
                         context, the use of the imaging radars in the tropics is 
                         important, because the atrnospheric conditIons do not flatly 
                         prejudice the data acquisition. Polarimetric radars are a recent 
                         technology capable to collect a large amount of information of the 
                         target characteristics, improving the discrimination capability of 
                         them. Recently, the L-band PALSAR sensor on ALOS was launched. The 
                         potential of PALSAR data in the discrimination of different 
                         targets was evaluated using Maximum Likelihood and the K-Means 
                         Wishart H/A/\α SAR image classifiers. The results showed 
                         that Maximum Likelihood presented higher ability of the target 
                         discrimination. The use of Single-Polarization data (HH, HV or VV) 
                         is limited to separate different targets, unlike to Dual-, Multi- 
                         and Full-Polarization data. Primary forest and regeneration types 
                         were not satisfactorily discriminated. However, different 
                         agriculture types and pasture were well discriminated. The results 
                         showed that the discrimination capacity of targets with Multi- and 
                         Full-Polarization data does not provide considerable increase, 
                         when compared with results generated by HH+HV and HV+VV 
                         Dual-Polarization data. The HH+HV data, named ALOS PALSAR 
                         Operational Acquisition Mode, is designated to the study of the 
                         tropical forest monitoring using the L-band radars.",
            committee = "Vijaykamar, Nandamudi Lankalapalli (presidente) and Dutra, Luciano 
                         Vieira (orientador) and Freitas, Corina da Costa (orientador) and 
                         Valeriano, Dalton de Morisson and Orgambide, Alejandro Cesar 
                         Frery",
           copyholder = "SID/SCD",
         englishtitle = "Assessment of polarimetric ALOS PALSAR data for Amazon land cover 
                         classification",
             language = "pt",
                pages = "170",
                  ibi = "8JMKD3MGP8W/35AKRR5",
                  url = "http://urlib.net/rep/8JMKD3MGP8W/35AKRR5",
           targetfile = "publicacao.pdf",
        urlaccessdate = "25 fev. 2021"
}


Fechar