Fechar
Metadados

@Article{PletschVaSiK÷ArAn:2018:InAlFM,
               author = "Pletsch, Mikhaela Alo{\'{\i}}sia J{\'e}ssie Santos and Vaz 
                         Penha, Thales and Silva Junior, Celso Henrique Leite and 
                         K{\"o}rting, Thales Sehn and Arag{\~a}o, Luiz Eduardo Oliveira e 
                         Cruz de and Anderson, Liana",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)} and {Instituto Nacional de Pesquisas Espaciais 
                         (INPE)} and {Centro Nacional de Monitoramento e Alertas de 
                         Desastres Naturais (CEMADEN)}",
                title = "Integra{\c{c}}{\~a}o do algoritmo FMASK ao modelo linear de 
                         mistura espectral como subs{\'{\i}}dio {\`a} 
                         detec{\c{c}}{\~a}o de {\'a}reas queimadas na Amaz{\^o}nia 
                         brasileira",
              journal = "Rbc. Revista Brasileira de Cartografia (online)",
                 year = "2018",
               volume = "70",
               number = "2",
                pages = "696--724",
                month = "abr./jun.",
             keywords = "Sensoriamento Remoto, Floresta Tropical, Ferramenta de Suporte, 
                         Fogo, Mapeamento.",
             abstract = "O fogo {\'e} um dos principais causadores de 
                         degrada{\c{c}}{\~a}o nos ecossistemas Amaz{\^o}nicos, sendo 
                         amplamente utilizado para o manejo e transforma{\c{c}}{\~a}o da 
                         cobertura da terra em diferentes usos. A sua 
                         utiliza{\c{c}}{\~a}o indiscriminada torna os ambientes afetados 
                         mais vulner{\'a}veis a impactos clim{\'a}ticos e 
                         antr{\'o}picos. Durante a queima, a combust{\~a}o do material 
                         org{\^a}nico libera o g{\'a}s di{\'o}xido de carbono (CO2), 
                         principal respons{\'a}vel pelo efeito estufa. Embora o seu 
                         controle seja de extrema relev{\^a}ncia, h{\'a} muitas 
                         incertezas associadas {\`a}s ferramentas de detec{\c{c}}{\~a}o 
                         e mapeamento de {\'a}reas queimadas por meio de sensoriamento 
                         remoto. Uma das mais difundidas abordagens utilizadas para o 
                         mapeamento de queimadas na Amaz{\^o}nia Brasileira {\'e} o 
                         Modelo Linear de Mistura Espectral (MLME), baseado na resposta 
                         espectral de alvos puros. Este trabalho analisou o desempenho da 
                         integra{\c{c}}{\~a}o do algoritmo Fmask aplicado ao MLME, uma 
                         vez que o algoritmo Fmask pode refinar os dados gerados pelo MLME. 
                         Foram testadas imagens do sensor Operational Land Imager (OLI - 
                         Landsat 8) e do sensor Multispectral Instrument (MSI - 
                         Sentinel-2A) em coberturas de Floresta e N{\~a}o Floresta para 
                         subsidiar a detec{\c{c}}{\~a}o de {\'a}reas queimadas. A 
                         {\'a}rea de estudo est{\'a} localizada no sul do estado do 
                         Par{\'a}, no bioma Amaz{\^o}nia. Os resultados apresentaram uma 
                         exatid{\~a}o global acima de 99% para o mapeamento gerado a 
                         partir do refinamento dos dados do MLME pelo Fmask em ambos os 
                         sensores. A acur{\'a}cia do produtor foi acima de 97%, enquanto 
                         que a acur{\'a}cia do usu{\'a}rio foi entre 77,54% e 95%. O 
                         resultado do {\'{\i}}ndice Kappa no mapeamento via Fmask na 
                         imagem do sensor OLI para {\'a}reas de cobertura de Floresta e 
                         N{\~a}o Floresta foi de 0,93, e 0,97, respectivamente. Para o 
                         sensor MSI, os resultados do {\'{\i}}ndice Kappa para as duas 
                         classes foram 0,87 e 0,88, respectivamente. A 
                         integra{\c{c}}{\~a}o do algoritmo Fmask ao MLME possibilitou 
                         diminuir o tempo de processamento dos dados com alta acur{\'a}cia 
                         nos resultados finais. Esta abordagem se apresenta como uma 
                         potencial ferramenta de automatiza{\c{c}}{\~a}o do refinamento 
                         do mapeamento de {\'a}reas queimadas na Amaz{\^o}nia Brasileira 
                         podendo ser aplicada inclusive em uma perspectiva de 
                         multisensores. ABSTRACT: Fire is one of the most important 
                         degradation agents in Amazonian terrestrial ecosystems and is 
                         widely used to manage and transform land cover for many purposes. 
                         Uncontrolled fire use increases the vulnerability of affected 
                         environments to climate and anthropogenic impacts. During the 
                         burning process, the combustion of organic material releases 
                         carbon dioxide, the main responsible for the greenhouse effect. 
                         Although fire use control is of upmost importance, uncertainties 
                         regarding the results of burned areas detection and monitoring 
                         remote sensing tools are still lacking. One of the main used 
                         approaches for burned area mapping in the Brazilian Amazon is the 
                         Linear Spectral Mixture Model (LSMM), which considers the spectral 
                         response of pure endmembers. In this work we aimed to assess the 
                         performance of the integration of the Fmask algorithm with LSMM, 
                         considering that this algorithm may refine data from LSMM. We 
                         tested scenes from sensor Operational Land Imager (OLI - Landsat 
                         8) and sensor Multispectral Instrument (MSI - Sentinel-2A) in 
                         Forest and Non Forest land covers in order to support the 
                         detection of burned areas. The study area is located in the south 
                         of Par{\'a} State, in Amazon biome. The mapping results yielded 
                         overall accuracy above 99% for the mapping from LSMM refined by 
                         Fmask algorithm in both sensors. The producer's accuracy was above 
                         97%, whilst user's accuracy ranges from 77.54% and 95%. The result 
                         of the Kappa index for OLI was 0.93 for Forest and 0.97 in Non 
                         Forest, while for MSI, the results are 0.87 and 0.88, 
                         respectively. The integration of the Fmask algorithm with LSMM 
                         enabled accurate and less time-consuming data processing results. 
                         This approach is considered a potential automation tool to refine 
                         burned areas mapping in the Brazilian Amazon in a multi-sensors 
                         perspective.",
                  doi = "10.14393/rbcv70n2-45403",
                  url = "http://dx.doi.org/10.14393/rbcv70n2-45403",
                 issn = "0560-4613",
                label = "lattes: 3731163661410602 1 PletschVaSiK{\"o}CrAn:2018:InAlFM",
             language = "pt",
           targetfile = "pletsch_integracao.pdf",
        urlaccessdate = "28 nov. 2020"
}


Fechar