Fechar
Metadados

@MastersThesis{Maurano:2018:EsReEr,
               author = "Maurano, Luis Eduardo Pinheiro",
                title = "Avalia{\c{c}}{\~a}o da qualidade dos dados PRODES: estimativa e 
                         regionaliza{\c{c}}{\~a}o dos erros de mapeamento",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2018",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2018-08-24",
             keywords = "mapeamento de desmatamento na Amaz{\^o}nia Brasileira, 
                         sensoriamento remoto, avalia{\c{c}}{\~a}o de mapeamento, 
                         espacializa{\c{c}}{\~a}o de erros, deforestation mapping, remote 
                         sensing, mapping assessment.",
             abstract = "O Instituto Nacional de Pesquisas Espaciais (INPE), no {\^a}mbito 
                         do Projeto de Monitoramento do Desmatamento na Amaz{\^o}nia por 
                         Sat{\'e}lites (PRODES), realiza desde 1988, o invent{\'a}rio 
                         anual de perda de {\'a}rea de cobertura florestal prim{\'a}ria, 
                         atrav{\'e}s do mapeamento do desmatamento por corte raso na 
                         Amaz{\^o}nia Legal. O levantamento envolve grande extens{\~a}o 
                         territorial, em que mais de 5 milh{\~o}es de km2 s{\~a}o 
                         mapeados anualmente, e as informa{\c{c}}{\~o}es geradas s{\~a}o 
                         usadas pelo governo brasileiro para avalia{\c{c}}{\~a}o e 
                         estabelecimento de pol{\'{\i}}ticas p{\'u}blicas relativas ao 
                         controle do desmatamento. Apesar da s{\'e}rie hist{\'o}rica do 
                         PRODES estar completando 30 anos, at{\'e} hoje n{\~a}o se 
                         realizaram estudos para aferir e contabilizar os erros e 
                         incertezas encontrados no mapeamento para toda extens{\~a}o da 
                         Amaz{\^o}nia Legal. A literatura especializada na {\'a}rea 
                         recomenda que levantamentos realizados com uso de dados de 
                         sensoriamento remoto venham sempre acompanhados de medidas de 
                         exatid{\~a}o e/ou qualidade. Por{\'e}m, os m{\'e}todos 
                         utilizados para aferir estas medidas normalmente se restringem a 
                         quantific{\'a}-los de maneira global, sem regionaliz{\'a}los, 
                         nem espacializ{\'a}-los. Em mapeamentos de larga escala 
                         territorial, a exemplo do executado pelo PRODES, informar 
                         {\'{\i}}ndices globais de qualidade {\'e} importante, mas pode 
                         n{\~a}o ser suficiente se os dados n{\~a}o vierem acompanhados 
                         de indicadores que forne{\c{c}}am algum modelo de 
                         espacializa{\c{c}}{\~a}o dos erros, levando em 
                         considera{\c{c}}{\~a}o os contextos regionais. Este estudo 
                         desenvolveu uma metodologia baseada em um modelo 
                         estat{\'{\i}}stico regionalizado para avaliar os dados gerados 
                         pelo PRODES para o ano de 2014. Apoiado em um ambiente 
                         espa{\c{c}}o celular, foram extra{\'{\i}}das m{\'e}tricas de 
                         ecologia de paisagem e com aux{\'{\i}}lio de t{\'e}cnicas de 
                         minera{\c{c}}{\~a}o de dados foi gerado um mapa com padr{\~o}es 
                         de desmatamento espacializado em c{\'e}lulas de 50 x 50 km. Com 
                         base no mapa obtido foram sorteados aproximadamente 1800 pontos 
                         aleat{\'o}rios para valida{\c{c}}{\~a}o independentes. Um 
                         modelo de regress{\~a}o log{\'{\i}}stica multivariado foi 
                         desenvolvido e tres vari{\'a}veis independentes relacionadas as 
                         m{\'e}tricas foram selecionadas para estimar o erro no 
                         mapeamento. Aplicado o modelo a toda base de dados foi 
                         poss{\'{\i}}vel espacializar a {\'a}rea de estudo em 
                         c{\'e}lulas com maior e menor probabilidade de se encontrar erro 
                         no mapeamento do PRODES, onde se verificou que 73% das 
                         c{\'e}lulas apresentam erro estimado menor que 1% enquanto 
                         somente 0,4% apresentam erro estimado maior que 10%. A 
                         distribui{\c{c}}{\~a}o do erro estimado por padr{\~a}o de 
                         desmatamento tamb{\'e}m determinou que a grande maioria das 
                         c{\'e}lulas apresentasse erro concentrados na faixa menor que 1% 
                         independente do padr{\~a}o. Esta abordagem de 
                         regionaliza{\c{c}}{\~a}o de erros por modelo de regress{\~a}o 
                         log{\'{\i}}stica se mostrou adequada e os resultados obtidos 
                         conferem ao mapeamento do PRODES de 2014 excelente n{\'{\i}}vel 
                         de qualidade e confiabilidade encorajando sua 
                         replica{\c{c}}{\~a}o para outros mapeamentos semelhantes. 
                         ABSTRACT: The National Institute for Space Research (INPE) has 
                         carried out since 1998, in the scope of the Amazon Deforestation 
                         Satellite Monitoring (PRODES), the annual inventory of primary 
                         forest coverage through the mapping of clear cut deforestation in 
                         the legal Amazon. This mapping is done through the usage of the 
                         Landsat satellite images or through images of sensors with similar 
                         characteristics, which can calculate the annual deforestation 
                         rates in the Legal Amazon. The survey involves great territorial 
                         extension in which more than 5 million square kilometers are 
                         annually mapped. The information generated is used by the 
                         Brazilian government for assessment and public policy 
                         establishments concerning illegal deforestation. Even though the 
                         historic PRODES historical series is completing 30 years, there 
                         have been no studies conducted to assess and account for the 
                         errors and uncertainties found in the mapping of all extension of 
                         the Legal Amazon. The specialized literature recommends that the 
                         surveys performed with the use of remote sensing be always 
                         followed by measurements of accuracy and/or quality. However, the 
                         methods used to evaluate these measurements are often restricted 
                         to quantifying them in a global approach without reorganizing them 
                         or spatializing them. On mappings of a large territorial scale, 
                         having as an example the one executed by PRODES, informing quality 
                         global rates is important but cannot be sufficient if not 
                         accompanied by rates that provide some spatialization error 
                         models, considering the regional contexts and spatial attributes. 
                         This work developed a consistent methodology based on a 
                         regionalized statistical model to evaluate the data generated by 
                         PRODES for the year 2014. Based on a cells 50 x 50 km resolution 
                         map, landscape ecology metrics were extracted and using data 
                         mining techniques, a deforestation patterns map was created. Based 
                         on this map, around 1,800 points were randomly selected for 
                         validation process by three independent experts. A multivariate 
                         logistic regression model was developed and three independent 
                         variables associated to the landscape ecology metrics were 
                         selected to explain the event. Applying the model to the database, 
                         it was possible to spatialize the data in cells with a higher and 
                         lower probability of finding an error in the PRODES mapping, 
                         finding that 78% of the cells presented an estimated error of less 
                         than 1% while only 0.3% presented error estimated greater than 
                         10%. The estimated error distribution by deforestation pattern 
                         also determined that the great majority of the cells present 
                         concentrated errors in the range less than 1% independent of the 
                         pattern. This errors regionalization approach using logistic 
                         regression model was adequate and the results obtained give to the 
                         mapping of the PRODES 2014 excellent quality level and they 
                         encourage their use to other similar mappings.",
            committee = "Monteiro, Ant{\^o}nio Miguel Vieira (presidente) and Escada, 
                         Maria Isabel Sobral (orientadora) and Renn{\'o}, Camilo Daleles 
                         (orientador) and K{\"o}rting, Thales Sehn and Venturieri, 
                         Adriano",
         englishtitle = "Data quality assessment: estimates and regionalization of mapping 
                         errors",
             language = "pt",
                pages = "94",
                  ibi = "8JMKD3MGP3W34R/3RL377B",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/3RL377B",
           targetfile = "publicacao.pdf",
        urlaccessdate = "04 dez. 2020"
}


Fechar