Fechar
Metadados

@Article{GerentePletSothFran:2017:ClSeCi,
               author = "Gerente, J{\'e}ssica and Pletsch, Mikhaela Alo{\'{\i}}sia 
                         J{\'e}ssie Santos and Sothe, Camile and Francisco, Cristiane 
                         Nunes",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Universidade Federal Fluminense 
                         (UFF)}",
                title = "Classifica{\c{c}}{\~a}o semiautom{\'a}tica de cicatrizes de 
                         movimentos de massa por meio de t{\'e}cnicas de 
                         detec{\c{c}}{\~a}o de mudan{\c{c}}as",
              journal = "Revista Brasileira de Geomorfologia",
                 year = "2017",
               volume = "18",
               number = "4",
                pages = "801--812",
                month = "out./dez.",
             keywords = "Movimentos de Massa, Classifi - ca{\c{c}}{\~a}o de Imagens, 
                         Random Forest, Mass Movements, Image Classifi cation, Random 
                         Forest.",
             abstract = "Movimentos de massa s{\~a}o fen{\^o}menos naturais que muitas 
                         vezes causam perdas e danos {\`a} sociedade. Invent{\'a}rios de 
                         cicatrizes podem auxiliar no entendimento da suscetibilidade de um 
                         local frente a esses processos. Nessa vertente, o uso de 
                         ferramentas de sensoriamento remoto para detec{\c{c}}{\~a}o e 
                         mapeamento de cicatrizes de movimentos de massa pode ser 
                         vantajoso, principalmente em escalas regionais e em {\'a}reas de 
                         dif{\'{\i}}cil acesso. No entanto, mapeamentos 
                         semiautom{\'a}ticos ainda se mostram incipientes no {\^a}mbito 
                         nacional. Nesse contexto, o objetivo deste trabalho foi avaliar 
                         m{\'u}ltiplas t{\'e}cnicas de detec{\c{c}}{\~a}o de 
                         mudan{\c{c}}as para o mapeamento semiautom{\'a}tico de 
                         cicatrizes de movimentos de massa. Como estudo de caso, foram 
                         analisados os movimentos defl agrados em janeiro de 2011 em uma 
                         por{\c{c}}{\~a}o do munic{\'{\i}}pio de Nova Friburgo (RJ). 
                         Para isso, foram geradas imagens de detec{\c{c}}{\~a}o de 
                         mudan{\c{c}}as por meio das t{\'e}cnicas PCA, ICA, MNF, SA, 
                         OSAVI e subtra{\c{c}}{\~a}o de bandas espectrais. Os produtos 
                         que melhor destacaram os movimentos de massa foram selecionadas 
                         como dados de entrada para a classifi ca{\c{c}}{\~a}o por meio 
                         do algoritmo Random Forest. A diferen{\c{c}}a entre o 
                         {\'{\i}}ndice de vegeta{\c{c}}{\~a}o OSAVI pr{\'e} e 
                         p{\'o}s-evento foi considerada a t{\'e}cnica de maior 
                         import{\^a}ncia para o classifi cador. J{\'a} na an{\'a}lise 
                         visual, verifi cou-se que a 3 e 4 componentes ICA, MNF e PCA 
                         tamb{\'e}m destacaram bem as cicatrizes. O desempenho da classifi 
                         ca{\c{c}}{\~a}o foi considerado satisfat{\'o}rio, uma vez que 
                         detectou mais de 80% das cicatrizes de movimento de massa na 
                         {\'a}rea de estudo. Esse trabalho permitiu verifi car que o uso 
                         de m{\'e}todos semiautomatizados pode ser uma abordagem em 
                         potencial para a detec{\c{c}}{\~a}o de cicatrizes de movimento 
                         de massa, sobretudo aplicada a mapeamentos preliminares e 
                         emergenciais. ABSTRACT: Mass movement is a natural phenomenon 
                         frequently associated with damages to the society. Its inventories 
                         assist the comprehension of mass movement spatial distribution and 
                         susceptibility. Thus remote sensing techniques enable detection 
                         and mapping of mass movement scars worldwide in large scales and 
                         in areas of diffi cult access. However, its use is still incipient 
                         in a national level. In this context, the aim of this paper is to 
                         assess multiple techniques that may support mass movement mapping 
                         automation. The research was carried out in a specifi c case study 
                         located in the municipality of Nova Friburgo (RJ-Brazil). A total 
                         of six change detection techniques were evaluated: PCA, ICA, MNF, 
                         SA, OSAVI and multi-band spectral subtraction. The techniques that 
                         best highlighted the mass movements were then selected as input 
                         data for the fi nal classifi cation through Random Forest 
                         algorithm. As a result, the diff erence between OSAVI pre and post 
                         mass movements event image was considered by the classifi er the 
                         most important change detection technique. Visual analysis also 
                         showed that the 3rd and 4th components ICA, MNF and PCA effi 
                         ciently highlighted the scars. The classifi cation was 
                         satisfactory, once its accuracy was higher than 80%, according to 
                         the reference inventory. This work allowed to verify that the use 
                         of semiautomated methods can be a suitable approach for mass 
                         movement scars detection, mainly in preliminary and emergency 
                         mapping.",
                  doi = "10.20502/rbg.v18i4.1249",
                  url = "http://dx.doi.org/10.20502/rbg.v18i4.1249",
                 issn = "1519-1540",
             language = "pt",
           targetfile = "gerente_classificacao.pdf",
        urlaccessdate = "30 nov. 2020"
}


Fechar