Fechar
Metadados

@MastersThesis{Pavanelli:2016:InDa”p,
               author = "Pavanelli, Jo{\~a}o Arthur Pompeu",
                title = "Integra{\c{c}}{\~a}o de dados {\'o}pticos e SAR para 
                         caracteriza{\c{c}}{\~a}o da paisagem de tens{\~a}o 
                         ecol{\'o}gica em Roraima",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2016",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2016-02-15",
             keywords = "OLI/Landsat-8, PALSAR-2/ALOS-2, uso e cobertura da terra, lavrado, 
                         random forest, land use and land cover.",
             abstract = "Mapeamentos de uso e cobertura da terra em paisagens tropicais 
                         s{\~a}o necess{\'a}rios para fins de manejo, 
                         conserva{\c{c}}{\~a}o e melhor compreens{\~a}o dos impactos 
                         antropog{\^e}nicos sobre os ecossistemas naturais. No entanto, a 
                         complexidade destas paisagens por conta da transi{\c{c}}{\~a}o 
                         sutil entre distintas fitofisionomias, a fragmenta{\c{c}}{\~a}o 
                         da vegeta{\c{c}}{\~a}o e o mosaico de {\'a}reas ocupadas para 
                         fins agropecu{\'a}rios, somada {\`a} constante cobertura de 
                         nuvens, s{\~a}o fatores limitantes para a 
                         caracteriza{\c{c}}{\~a}o dos territ{\'o}rios a partir de dados 
                         de sensoriamento remoto. Nesse sentido, o sinergismo entre 
                         sensores {\'o}pticos e radares de abertura sint{\'e}tica (SAR) 
                         est{\'a} ganhando evid{\^e}ncia, pois geralmente resulta em 
                         melhores mapeamentos. Dessa maneira, o objetivo deste trabalho foi 
                         analisar o potencial da integra{\c{c}}{\~a}o de dados obtidos a 
                         partir do sensor {\'o}ptico OLI/Landsat-8 e SAR PALSAR-2/ALOS-2 
                         para caracteriza{\c{c}}{\~a}o da paisagem de tens{\~a}o 
                         ecol{\'o}gica entre floresta e savana do estado de Roraima, 
                         utilizando o classificador Random Forest. A {\'a}rea de estudo no 
                         estado de Roraima abrange por{\c{c}}{\~o}es dos 
                         munic{\'{\i}}pios de Mucaja{\'{\i}}, Boa Vista e Alto Alegre, 
                         com {\'a}rea total de 1260 km\$^{2}\$. A regi{\~a}o {\'e} 
                         caracterizada pelo contato abrupto entre fisionomias florestais e 
                         savana (lavrado). Dezessete classes foram levantadas em campo e 
                         mapeadas neste estudo. Foi utilizado o produto Landsat CDR, em 
                         reflect{\^a}ncia de superf{\'{\i}}cie e uma imagem PALSAR-2 
                         dual (HH+HV), Level 1.5 em formato CEOS, com 10 metros de 
                         resolu{\c{c}}{\~a}o espacial. Do produto OLI foram 
                         extra{\'{\i}}dos os {\'{\i}}ndices NDVI e EVI para auxiliar a 
                         classifica{\c{c}}{\~a}o. A imagem PALSAR-2 teve o efeito speckle 
                         reduzido pelo filtro Lee 3x3 pixels e foram extra{\'{\i}}das dez 
                         m{\'e}tricas GLCM de cada polariza{\c{c}}{\~a}o, al{\'e}m de 
                         cinco {\'{\i}}ndices espectrais. Ao todo foram utilizadas 35 
                         bandas, 8 bandas {\'o}pticas e 27 SAR. As imagens foram 
                         corregistradas com base na imagem OLI (ortorretificada) e os 
                         pixels reamostrados para 10 metros. A classifica{\c{c}}{\~a}o se 
                         deu com o algoritmo Random Forest, de minera{\c{c}}{\~a}o de 
                         dados. Uma etapa pr{\'e}via de calibra{\c{c}}{\~a}o dos 
                         par{\^a}metros ntree (n{\'u}mero de {\'a}rvores na floresta) e 
                         mtry (n{\'u}mero de vari{\'a}veis usadas a cada n{\'o} das 
                         {\'a}rvores), do Random Forest, foi realizada a fim de utilizar 
                         os modelos com menor erro para classifica{\c{c}}{\~a}o. Foram 
                         processados 18 modelos, sendo 6 apenas com dados SAR, 6 apenas com 
                         dados {\'o}pticos e 6 modelos h{\'{\i}}bridos, com distintas 
                         combina{\c{c}}{\~o}es entre bandas. O melhor modelo SAR atingiu 
                         Acur{\'a}cia Global de 44,6\% e Kappa 0,39, enquanto que para o 
                         {\'o}ptico o resultado foi de 76,88\% e 0,74, respectivamente. O 
                         produto h{\'{\i}}brido atingiu Acur{\'a}cia Global de 82,96\% 
                         e Kappa 0,81, com diferen{\c{c}}a estat{\'{\i}}stica 
                         significativa em rela{\c{c}}{\~a}o aos resultados dos sensores 
                         separados, de acordo com o teste Z realizado para 
                         compara{\c{c}}{\~a}o entre valores de Kappa. O melhor modelo foi 
                         composto apenas com as seis bandas espectrais do OLI e imagens em 
                         amplitude HH e HV do PALSAR-2, sendo que a adi{\c{c}}{\~a}o de 
                         {\'{\i}}ndices espectrais e texturas GLCM do SAR n{\~a}o 
                         resultaram em melhorias significativas. Conclui-se, portanto, que 
                         o sinergismo entre os sensores {\'o}ptico e SAR na regi{\~a}o de 
                         estudo {\'e} conveniente para caracteriza{\c{c}}{\~a}o desta 
                         complexa paisagem formada por um mosaico de tipologias de uso e 
                         cobertura da terra. ABSTRACT: Land use and cover mapping in 
                         tropical landscapes are key for management, conservation and to 
                         enhance understanding about anthropogenic impacts over natural 
                         ecosystems. However, the natural complexity of these landscapes 
                         because of subtle transition between vegetation physiognomies, 
                         vegetation fragmentation and the mosaic of land uses for 
                         agriculture and pasture lands, in addition to persistent cloud 
                         cover, often restricts its characterization by means of remote 
                         sensing data. In this sense, optical and SAR synergies is becoming 
                         relevant, because it generally results in better land use/cover 
                         maps. In light of that, the aim of this study was to analyse the 
                         integration of OLI/Landsat-8 optical and PALSAR-2/ALOS-2 SAR 
                         sensors to characterize the landscape of ecological tension 
                         between forest and savannah in Roraima state, by means of Random 
                         Forest classifier. The study site in Roraima state cover portions 
                         of the municipalities of Mucaja{\'{\i}}, Boa Vista and Alto 
                         Alegre, with a total area of 1260 km\$^{2}\$. The region is 
                         characterized by the abrupt contact of forest and savannah 
                         physiognomies. Seventeen classes were collected during fieldwork 
                         and mapped in this research. Landsat CDR surface reflectance data 
                         and PALSAR- 2/ALOS-2 dual (HH+HV), Level 1.5, CEOS format (10 
                         metres) were used. From OLI product NDVI and EVI indices were 
                         generated. PALSAR-2 image was speckle filtered with a 3x3 Lee 
                         filter and GLCM textures were extracted for each polarization, in 
                         addition to five spectral indices. In total, 35 bands were used: 8 
                         optical bands and 27 SAR bands. All bands were corregistered based 
                         on orthorrectified OLI image and pixels were resampled to 10 
                         metres. Classification was made with data mining Random Forest 
                         algorithm. A previous calibration step was required to define the 
                         parameters ntree (number of trees in the forest) and mtry (number 
                         of variables at each split node). Models whose combination of 
                         parameters resulted in minor errors were used for classification. 
                         Eighteen models were processed: 6 with only SAR bands, 6 with only 
                         optical bands and 6 hybrid models, with distinct band 
                         combinations. Best SAR model\${'}\$s Overall Accuracy was 
                         44.6\% and Kappa 0.39, while optical better result was 76.88\% 
                         and 0.74, respectively. Hybrid classification resulted in Overall 
                         Accuracy of 82.96\% and Kappa 0.81, with significant statistical 
                         difference comparing results of classifications using separated 
                         sensors, according to Z test between Kappa values. The better 
                         model was formed by six OLI spectral bands and HH and HV.",
            committee = "Santos, Jo{\~a}o Roberto dos (presidente/orientador) and 
                         Galv{\~a}o, L{\^e}nio Soares (orientador) and Gama, F{\'a}bio 
                         Furlan and Xaud, Maristela Ramalho and Araujo, Luciana Spinelli",
           copyholder = "SID/SCD",
         englishtitle = "Optical and SAR integration to caracterize ecological tension 
                         landscape in the state of Roraima",
             language = "pt",
                pages = "103",
                  ibi = "8JMKD3MGP3W34P/3L8M8H5",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34P/3L8M8H5",
           targetfile = "publicacao.pdf",
        urlaccessdate = "05 dez. 2020"
}


Fechar