@Article{NagelTerOliHórBes:2020:EsCaAr,
               author = "Nagel, Gustavo Willy and Terra, Fabr{\'{\i}}cio da Silva and 
                         Oliveira, Jade Silva de and H{\'o}rak-Terra, Ingrid and Beskow, 
                         Samuel",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and 
                         {Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)} 
                         and {Universidade Federal de Pelotas (UFPel)} and {Universidade 
                         Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)} and 
                         {Universidade Federal de Pelotas (UFPel)}",
                title = "C{\'a}lculo da curva n{\'u}mero para bacia hidrogr{\'a}fica 
                         urbana utilizando diferentes abordagens de 
                         classifica{\c{c}}{\~a}o para imagem orbital rapideye: estudo de 
                         caso para o arroio pepino (Pelotas, RS)",
              journal = "Pesquisas em Geoci{\^e}ncias",
                 year = "2020",
               volume = "47",
               number = "2",
                pages = "1--18",
             keywords = "m{\'a}xima verosimilhan{\c{c}}a gaussiana, mapeador de 
                         {\^a}ngulo espectral, k-m{\'e}dias, m{\'a}quina de vetor 
                         suporte, hidrologia urbana, escoamento superficial, maximum 
                         gaussian likelihood, spectral angle mapper, k-means, support 
                         vector machine, urban hidrology, runoff.",
             abstract = "O valor da curva-n{\'u}mero (CN) {\'e} um par{\^a}metro 
                         emp{\'{\i}}rico usado na determina{\c{c}}{\~a}o do escoamento 
                         superficial direto a partir dos excessos de 
                         precipita{\c{c}}{\~o}es, sendo dependente das mudan{\c{c}}as de 
                         uso e cobertura da superf{\'{\i}}cie. Imagens de alta 
                         resolu{\c{c}}{\~a}o espacial s{\~a}o importantes para 
                         identificar tais mudan{\c{c}}as em bacias hidrogr{\'a}ficas 
                         urbanas. O objetivo deste trabalho foi comparar os efeitos de 
                         diferentes mapas de uso e cobertura, produzidos a partir de 
                         classifica{\c{c}}{\~o}es n{\~a}o-supervisionada (K-m{\'e}dias) 
                         e supervisionadas (MaxVer, SAM e SVM) em uma imagem orbital de 
                         alta resolu{\c{c}}{\~a}o espacial, no c{\'a}lculo do valor CN 
                         da bacia hidrogr{\'a}fica urbana do Arroio Pepino (Pelotas, RS). 
                         A hip{\'o}tese {\'e} de que diferentes algoritmos de 
                         classifica{\c{c}}{\~a}o produzem diferentes mapas de 
                         superf{\'{\i}}cie que por sua vez afetam o valor CN final. As 
                         classifica{\c{c}}{\~o}es foram realizadas em uma imagem RapidEye 
                         e 10 classes foram identificadas: {\'a}gua, asfalto, estrada de 
                         terra, vegeta{\c{c}}{\~a}o (3 tipos) e coberturas (4 tipos). O 
                         valor CN de cada classe foi obtido pela compara{\c{c}}{\~a}o com 
                         valores tabulados, e o valor CN total foi calculado pela 
                         m{\'e}dia ponderada considerando a {\'a}rea proporcional de cada 
                         classe. O SVM foi o algoritmo de melhor desempenho (acur{\'a}cia 
                         global de 70,36% e {\'{\i}}ndice kappa de 0,66). Os valores 
                         finais de CN apresentaram distintas intensidades: CNtotal = 88,96 
                         para SAM, CNtotal = 89,66 para K-m{\'e}dias, CNtotal = 89,94 para 
                         SVM e CNtotal = 90,71 para MaxVer. A proximidade entre estes 
                         valores foi influenciada pela baixa capacidade de drenagem da 
                         bacia estudada mesmo em {\'a}reas vegetadas. Diferen{\c{c}}as 
                         nas propor{\c{c}}{\~o}es das classes afetam o valor do CN final 
                         da bacia, e sua qualidade {\'e} altamente dependente da 
                         acur{\'a}cia da imagem classificada. ABSTRACT: Curve number 
                         calculation for urban watershed using different classification 
                         approaches for RapidEye image: case study for the Pepino stream 
                         (Pelotas, RS). The curve-number (CN) value is an empirical 
                         parameter used for predicting direct runoff from rainfall excess, 
                         and it depends on land use and cover changes. High spatial 
                         resolution images have been important to identify these changes in 
                         urban watersheds. This research aimed to compare the effects of 
                         different surface maps, produced by unsupervised (K-means) and 
                         supervised classifications (MaxVer, SAM, and SVM) of a high 
                         spatial resolution orbital image, on calculation of CN value in 
                         the urban watershed of the Pepino stream (Pelotas/RS). The 
                         hypothesis is that different classification algorithms produce 
                         divergent maps which in turn affect the final CN value. A RapidEye 
                         image was classified in order to map the surface, and ten classes 
                         were identified: water, asphalt, dirt road, vegetation (3 types) 
                         and roofs (4 types). The CN value of each class was obtained by 
                         comparing to corresponding tabulated values, and the total CN 
                         value was calculated by weighted average taking into account the 
                         proportional area of each class. The SVM was the best performed 
                         classifier (global accuracy: 70.36% and kappa index: 0.66). The 
                         final CN values showed different intensities: CNtotal = 88.96 for 
                         SAM, CNtotal = 89.66 for K-means, CNtotal = 89.94 for SVM and 
                         CNtotal = 90.71 for MaxVer. The proximity among these values was 
                         influenced by the poor drainage capacity of the watershed even in 
                         vegetation areas. Differences on proportions of the classes affect 
                         the final CN value of the watershed, and its quality is highly 
                         dependent on accuracy of the classified image.",
                  doi = "10.22456/1807-9806.108583",
                  url = "http://dx.doi.org/10.22456/1807-9806.108583",
                 issn = "1518-2398 and 1807-9806",
             language = "pt",
           targetfile = "nagel_calculo.pdf",
        urlaccessdate = "04 jun. 2024"
}