Fechar
Metadados

@PhDThesis{Schultz:2016:AnImOr,
               author = "Schultz, Bruno",
                title = "An{\'a}lise de imagens orientada a objetos e amostragem 
                         estat{\'{\i}}stica no monitoramento de 
                         cana-de-a{\c{c}}{\'u}car, milho e soja no estado de S{\~a}o 
                         Paulo",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2016",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2016-03-07",
             keywords = "estimativa agr{\'{\i}}cola, classifica{\c{c}}{\~a}o visual, 
                         classifica{\c{c}}{\~a}o autom{\'a}tica, crop estimate, visual 
                         classification, automatic classification.",
             abstract = "A superf{\'{\i}}cie do estado de S{\~a}o Paulo {\'e} recoberta 
                         por diversos tipos de usos e coberturas da terra, 
                         distribu{\'{\i}}dos em diferentes por{\c{c}}{\~o}es 
                         geogr{\'a}ficas. Entre esses usos, a cana-de-a{\c{c}}{\'u}car, 
                         o milho e a soja ocupam a maior parte das {\'a}reas 
                         agr{\'{\i}}colas do estado. Apesar de essas culturas 
                         possu{\'{\i}}rem grande import{\^a}ncia para o cen{\'a}rio 
                         agr{\'{\i}}cola, elas ainda n{\~a}o s{\~a}o monitoradas 
                         sistematicamente em tempo quase-real. Como os dados de estimativas 
                         agr{\'{\i}}colas possuem grande import{\^a}ncia nas tomadas de 
                         decis{\~o}es, a presente pesquisa teve como meta avaliar a 
                         possibilidade de se obter o valor de {\'a}rea ocupada pelas 
                         culturas de cana-de-a{\c{c}}{\'u}car, milho e soja no estado de 
                         S{\~a}o Paulo, em tempo-quase real (per{\'{\i}}odos bimensais), 
                         utilizando sensoriamento remoto (SR) e classifica{\c{c}}{\~o}es 
                         visual e autom{\'a}tica de imagens multitemporais OLI. Tr{\^e}s 
                         diferentes {\'a}reas-testes foram avaliadas: o Estado de S{\~a}o 
                         Paulo (A1), o munic{\'{\i}}pio de C{\^a}ndido Mota/SP (A2) e 
                         quinze munic{\'{\i}}pios cont{\'{\i}}guos localizados a 
                         Sudoeste do estado de S{\~a}o Paulo (A3). Os objetivos 
                         espec{\'{\i}}ficos de cada {\'a}rea teste foram: em A1 informar 
                         o valor da {\'a}rea ocupada com cana-de-a{\c{c}}{\'u}car, milho 
                         e soja para o estado de S{\~a}o Paulo, em per{\'{\i}}odos de 
                         dois meses do ano safra 2014/15; em A2 validar 
                         informa{\c{c}}{\~o}es de campo, desenvolver um protocolo de 
                         classifica{\c{c}}{\~a}o visual e avali{\'a}-lo; e em A3 avaliar 
                         o desempenho da classifica{\c{c}}{\~a}o autom{\'a}tica. Para 
                         A1, 5.000 pixels aleat{\'o}rios foram estratificados em cada 
                         mesorregi{\~a}o do estado, em cada per{\'{\i}}odo do ano safra 
                         2014/15 [ P1 (Nov/Dez), P2 (Jan/Fev), P3 (Mar/Abr) e P4 (Mai/Jun) 
                         ] e classificados no escrit{\'o}rio, utilizando protocolo de 
                         classifica{\c{c}}{\~a}o visual e 432 imagens multitemporais OLI 
                         em composi{\c{c}}{\~a}o colorida falsa-cor RGB (564) e em 
                         Apar{\^e}ncia Equalizada (ApEq). A ApEq {\'e} um processo de 
                         equaliza{\c{c}}{\~a}o radiom{\'e}trica de imagens 
                         multitemporais e foi executada para que n{\~a}o ocorressem 
                         grandes altera{\c{c}}{\~o}es na cor resultante dos alvos 
                         pseudo-invariantes presentes nas diferentes imagens dos mosaicos 
                         OLI. Em A2, 200 pixels OLI foram sorteados sobre o 
                         munic{\'{\i}}pio de C{\^a}ndido Mota/SP e averiguados em campo 
                         no per{\'{\i}}odo de 13 a 17 de abril/2015. Estes 200 pixels 
                         foram utilizados para: (a) classifica{\c{c}}{\~a}o visual e (b) 
                         classifica{\c{c}}{\~a}o autom{\'a}tica. Em (a), oito 
                         int{\'e}rpretes classificaram visualmente 
                         cana-de-a{\c{c}}{\'u}car, soja e milho utilizando protocolo de 
                         classifica{\c{c}}{\~a}o desenvolvido na presente pesquisa. Em 
                         (b), a an{\'a}lise de imagem orientada a objetos OBIA/Random 
                         Forest com segmenta{\c{c}}{\~a}o via Segmentador 
                         Multi-resolu{\c{c}}{\~a}o (SM-R) foi aplicada. Foram gerados 
                         1150 modelos de classifica{\c{c}}{\~a}o, formados pela 
                         varia{\c{c}}{\~a}o dos par{\^a}metros fator de escala (Fe), 
                         forma (Fm) e compacidade (Cp) do algoritmo SM-R aplicado sobre 
                         quatro imagens multitemporais OLI 222/076, datadas de agosto/2014, 
                         outubro/2014, janeiro/2015 e maio/2015. Outros 200 pixels foram 
                         sorteados aleatoriamente sobre A3 e validados por 
                         classifica{\c{c}}{\~a}o visual, utilizando o protocolo de 
                         classifica{\c{c}}{\~a}o da presente pesquisa. Como resultados 
                         principais, destacam-se: a ApEq permitiu, efetivamente, uma 
                         homogeneiza{\c{c}}{\~a}o das respostas espectrais da 
                         vegeta{\c{c}}{\~a}o em {\'o}rbitas e datas distintas, tendo-se 
                         obtido mosaicos multitemporais padronizados para todo o ESP. Para 
                         a classifica{\c{c}}{\~a}o visual realizada em A2 por oito 
                         int{\'e}rpretes, a exatid{\~a}o global m{\'e}dia foi de 
                         94,5\%. Para a classifica{\c{c}}{\~a}o autom{\'a}tica 
                         realizada em A3, via OBIA/Random Forest, a exatid{\~a}o global 
                         foi de 86,5\%. O mapa tem{\'a}tico produzido em A3 mostrou o 
                         total de {\'a}rea ocupada com milho semelhante {\`a} 
                         Produ{\c{c}}{\~a}o Agr{\'{\i}}cola Municipal (PAM/IBGE), com 
                         uma subestima{\c{c}}{\~a}o de 4\%, por{\'e}m, com as vantagens 
                         do mapa tem{\'a}tico oferecer a espacializa{\c{c}}{\~a}o e em 
                         tempo quase-real. Em rela{\c{c}}{\~a}o {\`a} 
                         cana-de-a{\c{c}}{\'u}car, a subestimativa foi de 11\%. Quanto 
                         {\`a} soja, no per{\'{\i}}odo das imagens utilizadas 
                         (maio/junho) n{\~a}o havia a cultura. Conclui-se, ent{\~a}o, que 
                         a classifica{\c{c}}{\~a}o visual baseada em dados multitemporais 
                         OLI, para cana, milho e soja no ESP, {\'e} vi{\'a}vel para 
                         levantamentos agr{\'{\i}}colas em tempo quase-real 
                         (per{\'{\i}}odos bimensais), podendo ser realizada por apenas um 
                         int{\'e}rprete para todo o Estado. Quanto {\`a} 
                         classifica{\c{c}}{\~a}o autom{\'a}tica, h{\'a} ainda a 
                         necessidade de desenvolvimentos maiores, principalmente no que se 
                         refere a defini{\c{c}}{\~o}es sobre pixels de borda. ABSTRACT: 
                         The S{\~a}o Paulo state surface is covered by various types of 
                         land use and land covers, distributed in different geographical 
                         positions. Among these uses, sugarcane, corn and soybeans occupy 
                         the most agricultural areas of the state. Although these cultures 
                         possess great importance for the agricultural scenario, they are 
                         not systematically monitored in near-real time. As agricultural 
                         estimates data are of great importance in decision making, this 
                         research was aimed at evaluating the possibility of obtaining the 
                         value of occupied area by crops of sugarcane, maize and soybeans 
                         in the S{\~a}o Paulo state in near- real time (bi-monthly 
                         periods) using remote sensing (RS) and visual and automatic 
                         classification of multitemporal OLI images. Three different 
                         areas-tests were evaluated: the State of S{\~a}o Paulo (A1), the 
                         municipality of C{\^a}ndido Mota / SP (A2) and fifteen contiguous 
                         municipalities in the south-west state of S{\~a}o Paulo (A3). The 
                         specific objectives of each test area were in A1 to inform the 
                         value of the occupied area with sugarcane, maize and soybeans for 
                         the S{\~a}o Paulo state, in periods of two months of the 2014/15 
                         crop year; A2 to validate field information, to develop a visual 
                         classification protocol and evaluate it; and A3 to evaluate the 
                         performance of automatic classification. For A1, 5,000 random 
                         pixels were stratified into each mesoregion of the state, in each 
                         period of the crop year 2014/15 [P1 (Nov / Dec), P2 (Jan / Feb), 
                         P3 (Mar / Apr) and P4 (May / Jun )] and to classify in office, 
                         using visual classification protocol and 432 multi-temporal OLI 
                         images in false-color composite RGB (564) and Equalized Appearance 
                         (ApEq). The ApEq is a radiometric equalization process of 
                         multi-temporal images and executed so that no major changes 
                         occurred in the resulting color of pseudo-invariant targets 
                         present in different mosaic from OLI images. In A2, 200 pixels OLI 
                         were drawn on the city of C{\^a}ndido Mota / SP and investigated 
                         in the field in the period from 13\$^{rd}\$ to 17\$^{th}\$ 
                         April / 2015. These 200 pixels were used to: (a) visual 
                         classification and (b) automatic classification. In (a), eight 
                         visual classified performers sugarcane, soybeans and corn using 
                         classification protocol developed in this research. In (b), the 
                         object-based image analysis / Random Forest with segmentation via 
                         Multi-Resolution Segmentation (MR-S) was applied. Were generated 
                         1150 classification models, formed by varying the scale factor 
                         parameters (Fe), form (Fm) and compactness (Cp) of the SM-R 
                         algorithm applied in four multi-temporal images OLI 222/076, dated 
                         August / 2014 October / 2014 January / 2015 and May / 2015. 
                         Another 200 pixels were randomly selected on A3 and validated by 
                         visual classification using the protocol of this research. The 
                         main results are: the ApEq allowed, effectively, a homogenization 
                         of the vegetation's spectral response in different orbits and 
                         dates, having obtained multitemporal mosaics standardized for all 
                         ESP. For visual classification performed on A2 for eight 
                         performers, the overall accuracy average was 94.5\%. For 
                         automatic classification carried out in A3 via OBIA / Random 
                         Forest, the overall accuracy was 86.5\%. The thematic map 
                         produced in A3 showed the total area occupied with maize similar 
                         to the Municipal Agricultural Production (PAM / IBGE), with an 
                         underestimation of 4\%, but with the advantages of the thematic 
                         map provide the spatial and in near- real time. Regarding 
                         sugarcane, underestimates was 11\%. Regarding soybeans, the 
                         period of the images used (May / June) there was no culture. It 
                         follows, then, that the visual classification based on 
                         multi-temporal OLI dates for sugarcane, maize and soybeans in the 
                         ESP, it is feasible for agricultural surveys in near-real time 
                         (bi-monthly periods) and can be performed by just one interpreter 
                         for all State. As for automatic classification, there is still a 
                         need for further developments, especially with regard to 
                         definitions of edge pixels.",
            committee = "Formaggio, Antonio Roberto (presidente/orientador) and Luiz, 
                         Alfredo Jos{\'e} Barreto (orientador) and Sanches, Ieda Del'Arco 
                         and Sugawara, Luciana Miura and Esquerdo, J{\'u}lio C{\'e}sar 
                         Dalla Mora and Neves, Marcos Corr{\^e}a",
           copyholder = "SID/SCD",
         englishtitle = "Object-based image analysis and statistical sampling applied for 
                         monitoring sugarcane, soybean and maize over S{\~a}o Paulo 
                         State",
             language = "pt",
                pages = "234",
                  ibi = "8JMKD3MGP3W34P/3L9BUQ5",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34P/3L9BUQ5",
           targetfile = "publicacao.pdf",
        urlaccessdate = "05 dez. 2020"
}


Fechar