Fechar
Metadados

@Article{NamikawaKortCast:2016:AuMeBa,
               author = "Namikawa, La{\'e}rcio Massaru and Korting, Thales Sehn and 
                         Castejon, Emiliano Ferreira",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)}",
                title = "Water body extraction from rapideye images: an automated 
                         methodology based on HUE component of color transformation from 
                         RGB to HSV model",
              journal = "Revista Brasileira de Cartografia",
                 year = "2016",
               volume = "68",
               number = "6",
                pages = "1097--1111",
             keywords = "RapidEye, Water Body Detection, RGB-HSV Color Transformation, 
                         RapidEye, Detec{\c{c}}{\~a}o de Corpos dí{\'A}gua, 
                         Transforma{\c{c}}{\~a}o de Cores RGB para HSV.",
             abstract = "Water management and fl ood studies are some fi elds in which a 
                         map with all water bodies in a region is useful, especially in 
                         scenarios of environmental changes due to anthropogenic factors. 
                         Various detection methods of water body surfaces in remotely 
                         sensed images are available, from simple methods having a lower 
                         accuracy to more sophisticated ones. The objective of this paper 
                         is to present a simple, yet accurate method to detect water bodies 
                         in RapidEye images. The motivation is the availability of country 
                         wide coverage of these images, which makes feasible the generation 
                         of a map of all water bodies detectable at that spatial 
                         resolution. Our solution is the use the color transformation from 
                         Red- Green-Blue to Hue-Saturation-Value and the minimum radiance 
                         from all RapidEye bands to classify water bodies in seven classes 
                         of water. The water classes are ranked based on the confi dence of 
                         the classifi ed pixels being water, which accommodates for the 
                         diff erences in illumination and scattering that are present in 
                         such a large coverage, composed by more than 15000 scenes. In 
                         addition, users of the generated water bodies map can reclassify 
                         based on their needs. The methodology was developed on two 
                         RapidEye scenes, covering the Jacare{\'{\i}} and Foz do 
                         Igua{\c{c}}u municipalities, in Brazil. Results indicate that the 
                         classifi cation is better than the traditional ones, with the 
                         advantage of providing seven classes with confi dence levels. 
                         RESUMO: um mapa contendo todos os corpos d{\'a}gua de uma 
                         regi{\~a}o, especialmente em cen{\'a}rios de mudan{\c{c}}as 
                         ambientais abruptas, devido a fatores antropog{\^e}nicos. Existem 
                         v{\'a}rios m{\'e}todos de detec{\c{c}}{\~a}o de 
                         superf{\'{\i}}cies de corpos d{\'a}gua utilizando imagens de 
                         sensoriamento remoto, desde os mais simples contendo baixa 
                         acur{\'a}cia at{\'e} os mais sofi sticados. O objetivo deste 
                         trabalho {\'e} apresentar um m{\'e}todo que combine uma taxa de 
                         acerto adequada a uma metodologia simples, para ser aplicado em 
                         imagens do sat{\'e}lite RapidEye. A motiva{\c{c}}{\~a}o para a 
                         gerar este m{\'e}todo foi a disponibilidade de uma cobertura 
                         completa do Brasil com imagens RapidEye. Esta base de imagens 
                         permite a descoberta de corpos d{\'a}gua detect{\'a}veis 
                         atrav{\'e}s da resolu{\c{c}}{\~a}o espacial do RapidEye. Para 
                         isso, deve-se aplicar a transforma{\c{c}}{\~a}o de cores RGB 
                         (siglas em ingl{\^e}s valores de m{\'{\i}}nima radi{\^a}ncia 
                         das 5 bandas do RapidEye para classifi car os corpos d{\'a}gua em 
                         um ranqueamento de sete classes de pertencimento ao alvo de 
                         interesse ({\'A}gua). Esta solu{\c{c}}{\~a}o {\'e} 
                         adapt{\'a}vel aos diferentes tipos de ilumina{\c{c}}{\~a}o e 
                         espalhamento presentes em uma grande cobertura de imagens, como 
                         neste caso da cobertura do Brasil com mais de 15000 cenas 
                         RapidEye. Al{\'e}m disso, potenciais usu{\'a}rios do produto 
                         gerado por esta proposta podem reclassifi car o mapa conforme a 
                         necessidade, removendo classes de menor pertencimento, por 
                         exemplo. A metodologia foi desenvolvida a partir da an{\'a}lise 
                         de duas cenas RapidEye. Uma delas cobre o munic{\'{\i}}pio de 
                         Jacare{\'{\i}}, S{\~a}o Paulo, e a outra cobre Foz do 
                         Igua{\c{c}}u, no Paran{\'a}. Os resultados obtidos indicam que a 
                         classifi ca{\c{c}}{\~a}o {\'e} superior aos m{\'e}todos 
                         tradicionais, com a vantagem de apresentar as sete classes de 
                         pertencimento.",
                 issn = "0560-4613 and 1808-0936",
             language = "en",
           targetfile = "namikawa2016water.pdf",
        urlaccessdate = "29 nov. 2020"
}


Fechar