Fechar
Metadados

@MastersThesis{Reis:2014:DeMuUs,
               author = "Reis, Mariane Souza",
                title = "Detec{\c{c}}{\~a}o de mudan{\c{c}}as de uso e cobertura da 
                         terra utilizando dados {\'o}ticos e de micro-ondas em uma 
                         regi{\~a}o da Amaz{\^o}nia brasileira",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2014",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2014-07-23",
             keywords = "detec{\c{c}}{\~a}o de mudan{\c{c}}as, dados {\'o}ticos, dados 
                         SAR, change detection, optical data, SAR data.",
             abstract = "Estudos relacionados {\`a} detec{\c{c}}{\~a}o de 
                         mudan{\c{c}}as utilizando dados provenientes de sensoriamento 
                         remoto podem prover informa{\c{c}}{\~o}es que aprofundam o 
                         entendimento das causas do desmatamento, da intera{\c{c}}{\~a}o 
                         de fen{\^o}menos naturais e atividades humanas e de impactos de 
                         obras de infraestrutura ao longo do tempo. Imagens {\'o}ticas 
                         s{\~a}o comumente utilizadas para esses estudos, contudo a 
                         disponibilidade desses dados est{\'a} condicionada {\`a}s 
                         condi{\c{c}}{\~o}es atmosf{\'e}ricas e de 
                         ilumina{\c{c}}{\~a}o da cena. Imagens provenientes de radares de 
                         abertura sint{\'e}tica (\emph{Synthetic Aperiure Radar} - SAR) 
                         podem ser obtidas de forma quase que independente das 
                         condi{\c{c}}{\~o}es atmosf{\'e}ricas e em qualquer {\'e}poca 
                         do ano. Essas caracter{\'{\i}}sticas tornam esse tipo de dado um 
                         forte candidato a ser utilizado na tarefa de detec{\c{c}}{\~a}o 
                         de mudan{\c{c}}as. Considerando esse contexto, esse trabalho tem 
                         como objetivo avaliar classifica{\c{c}}{\~o}es de 
                         mudan{\c{c}}as obtidas a partir de dados provenientes de radares 
                         de abertura sint{\'e}tica, de dados {\'o}ticos e da fus{\~a}o 
                         de ambos os dados, utilizando an{\'a}lise 
                         p{\'o}s-classifica{\c{c}}{\~a}o. Foram avaliados seis conjuntos 
                         de dados obtidos a partir de duas imagens {\'o}ticas e duas 
                         imagens de radar, adquiridas em junho de 2008 e junho de 2010, na 
                         regi{\~a}o da Floresta Nacional do Tapaj{\'o}s, no estado do 
                         Par{\'a}. Esses conjuntos s{\~a}o compostos por imagens 
                         {\'o}ticas originais, atributos extra{\'{\i}}dos de imagens 
                         {\'o}ticas, imagens de radar originais, imagens de radar 
                         filtradas, atributos extra{\'{\i}}dos de imagens de radar 
                         filtradas e a fus{\~a}o das imagens {\'o}ticas originais e de 
                         radar filtradas. O classificador por regi{\~o}es de 
                         m{\'{\i}}nima dist{\^a}ncia de Bhattacharyya foi usado para 
                         gerar as classifica{\c{c}}{\~o}es de cobertura de cada dado para 
                         cada ano. As classifica{\c{c}}{\~o}es foram realizadas para 3 
                         n{\'{\i}}veis de legenda, isto {\'e}, 3 conjuntos de classes 
                         amostrais. Em um mesmo conjunto de dados, foram cruzadas as 
                         classifica{\c{c}}{\~o}es de cobertura dos anos de 2008 e 2010. 
                         As transi{\c{c}}{\~o}es resultantes foram classificadas segundo 
                         os tipos de mudan{\c{c}}a de interesse. De forma geral, 
                         classifica{\c{c}}{\~o}es de cobertura e de mudan{\c{c}}a 
                         utilizando os dados {\'o}ticos originais foram semelhantes ou 
                         melhores que as demais, para todos os n{\'{\i}}veis de legenda. 
                         Os dados fusionados apresentaram resultados melhores que os dados 
                         {\'o}ticos originais apenas para algumas classes de cobertura e 
                         de mudan{\c{c}}as. Dada a simplicidade de processamento e 
                         resultados acurados dos dados {\'o}ticos originais, recomenda-se, 
                         sempre que poss{\'{\i}}vel, sua utiliza{\c{c}}{\~a}o. Caso 
                         esses dados n{\~a}o estejam dispon{\'{\i}}veis, a 
                         utiliza{\c{c}}{\~a}o de dados de radar fornece bons resultados, 
                         com limita{\c{c}}{\~o}es na exatid{\~a}o de classes de 
                         cobertura ou de mudan{\c{c}}as que envolvam a 
                         distin{\c{c}}{\~a}o entre classes florestadas. Quanto menor o 
                         detalhe do n{\'{\i}}vel de legenda, mais a 
                         classifica{\c{c}}{\~a}o de mudan{\c{c}}as utilizando dados 
                         radar se aproxima daquela utilizando dados {\'o}ticos. A 
                         necessidade de extra{\c{c}}{\~a}o de atributos, principalmente 
                         de textura, e do uso de filtros redutores de \emph{speckle} nos 
                         dados radar diminui {\`a} medida que diminui-se o detalhe do 
                         n{\'{\i}}vel de legenda. ABSTRACT: Remete sensing based change 
                         detection studies can provide information to better understand the 
                         causes of deforestation, of natural phcnornena and human 
                         activities interaction and the impacts of infrastructure 
                         development along time. Optical images are cornrnonly used for 
                         these studies. However, the availability of such data is subject 
                         to weather conditions and lighting of the scene. Images from 
                         Synthetic Aperture Radar (SAR) can be obtained almost 
                         independently from weather conditions in any time of thc year. 
                         This characteristic rendcrs this kind of data a strang candidate 
                         to be used in change detection procedures, Considering this 
                         context, this work aims to evaluate the changes obtained using 
                         data from Synthctic Aperture Radar, optical data and the fusion of 
                         both data, by post-classification analysis. Six sets of data were 
                         evaluated. These sets were obtained frorn two optical and two 
                         radar images, aquired in June 2008 and June 2010, in the 
                         Tapaj{\'o}s National Forest region, in Par{\'a} state. Thesc 
                         sets are composed of optical images, attributes extracted from 
                         optical irnages, original radar imagcs, filtered radar images, 
                         attributes extracted frorn filtcrcd radar images and the fusion of 
                         optical images and filtered radar ones, The minimum Bhat.tacharyya 
                         distance region classifier was used to generatc cover 
                         classification of each date and data set. The classifications were 
                         generated considering 3 levels of legend, narnely, 3 sets of 
                         sarnple classes. Considering the same data set, the cover 
                         classifications from 2008 and 2010 were cross-tabulated. Thc 
                         resulting classifications were classified accordiug to a fixed sot 
                         of change classes. GeneralIy, cover and change classifications 
                         using original optical data were similar or better than the 
                         others, for all levels of legend. Fused data only showed better 
                         results than the original optical data for certain classes of 
                         cover and changes. Given the sirnplicity in processing the 
                         original optical data and the accurate results, its use is 
                         recornrnended, whenever possible. If such data are not available, 
                         the use of radar data provides good results, with limitations on 
                         the accuracy of land cover/ change classes in which the 
                         distinction between forest classes is needed. The lower the level 
                         of detail of the legend, the more similar are the radar change 
                         classifications to t.he optical ones. The need for feature 
                         extraction, especially texture, and the use of speckle reducing 
                         filters in the radar data decreases with the lcvel of detail of 
                         the legend.",
            committee = "Sant'Anna, Sidnei Jo{\~a}o Siqueira (presidente/orientador) and 
                         Dutra, Luciano Vieira Dutra (orientador) and Escada, Maria Isabel 
                         Sobral and Alves, Di{\'o}genes Salas and Vogt, Nathan David and 
                         Costa, Sandra Maria Fonseca da",
         englishtitle = "Land use and land cover change detection using optical and 
                         microwave data in a Brazilian Amazon region.",
             language = "pt",
                pages = "331",
                  ibi = "8JMKD3MGP5W34M/3GJ7LFB",
                  url = "http://urlib.net/rep/8JMKD3MGP5W34M/3GJ7LFB",
           targetfile = "publicacao.pdf",
        urlaccessdate = "27 nov. 2020"
}


Fechar