@Article{AboudNetaFreiDutr:2010:UsImAL,
author = "Aboud Neta, Sumaia Resegue and Freitas, Corina da Costa and Dutra,
Luciano Vieira",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)}",
title = "Uso de imagens ALOS/Palsar multipolarizadas para
detec{\c{c}}{\~a}o de incremento de desflorestamento na
Amaz{\^o}nia / Use of Multipolarized ALOS/PALSAR Image for
Detection of Increment of Deforestation in the Amazon",
journal = "Revista Brasileira de Cartografia",
year = "2010",
volume = "62",
number = "2-esp",
pages = "417--431",
note = "Setores de Atividade: Administra{\c{c}}{\~a}o p{\'u}blica,
defesa e seguridade social, Produ{\c{c}}{\~a}o Florestal.",
keywords = "Incremento de Desflorestamento, ALOS/PALSAR, PRODES, SEGSAR,
Tapaj{\'o}s-PA, Increase of Deforestation, ALOS/PALSAR, PRODES,
SEGSAR, Tapaj{\'o}s-PA.",
abstract = "A floresta amaz{\^o}nica {\'e} uma regi{\~a}o da floresta
tropical que possui cerca de 5,4 milh{\~o}es de km2 e abriga uma
ampla biodiversidade de esp{\'e}cies do planeta, por{\'e}m, seu
modelo tradicional de ocupa{\c{c}}{\~a}o tem levado ao aumento
significativo do desflorestamento na Amaz{\^o}nia Legal. Por
serem regi{\~o}es bastante {\'u}midas, a presen{\c{c}}a de
nuvens {\'e} constante, ocasionando limita{\c{c}}{\~o}es no
imageamento por sensores. Deste modo, o uso de sensoriamento
remoto por radar torna-se privilegiado, pois as microondas
praticamente n{\~a}o sofrerem interfer{\^e}ncia
atmosf{\'e}rica, o que permite o constante imageamento das
{\'a}reas independente das condi{\c{c}}{\~o}es clim{\'a}ticas
da regi{\~a}o. Assim, este estudo avaliou o potencial de imagens
de radar do sat{\'e}lite ALOS para discriminar incremento de
desflorestamento em uma {\'a}rea localizada na Floresta Nacional
de Tapaj{\'o}s-PA. Foram utilizadas imagens multipolarizadas em
amplitude do sensor PALSAR (banda L), onde realizou-se
classifica{\c{c}}{\~o}es e segmenta{\c{c}}{\~o}es utilizando
todas as combina{\c{c}}{\~o}es de canais: individualmente (HH,
HV e VV), aos pares (HH+HV, HV+VV e HH+VV) e em conjunto
(HH+HV+VV). Foram avaliados os classificadores: pontual MAXVER-ICM
e por regi{\~o}es Bhattacharyya (com segmenta{\c{c}}{\~o}es
realizadas no SPRING e no SEGSAR). Os resultados foram comparados
com um mapa tem{\'a}tico de refer{\^e}ncia, constru{\'{\i}}do
a partir dos dados disponibilizados pelo PRODES, com o intuito de
verificar a exist{\^e}ncia de perda significativa de
informa{\c{c}}{\~a}o quando n{\~a}o se utiliza todos os canais
de polariza{\c{c}}{\~a}o, bem como encontrar a melhor
combina{\c{c}}{\~a}o de canais para caracterizar o
desflorestamento. Os melhores resultados foram obtidos quando a
polariza{\c{c}}{\~a}o dual HH+HV esteve presente, sendo que o
classificador Bhattacharyya (maior valor kappa de 0,5085 para
segmenta{\c{c}}{\~a}o SPRING) apresentou maior acur{\'a}cia em
compara{\c{c}}{\~a}o ao classificador MAXVER-ICM. No entanto, a
acur{\'a}cia do produtor para esta classifica{\c{c}}{\~a}o foi
considerada baixa, devido ao erro de omiss{\~a}o (E.O.) ter sido
elevado. Para as demais combina{\c{c}}{\~o}es de canais HH+HV, o
menor E.O. foi obtido quando se utilizou a segmenta{\c{c}}{\~a}o
pelo SEGSAR, por{\'e}m, o erro de inclus{\~a}o (E.I.) foi
superior em rela{\c{c}}{\~a}o {\`a} classifica{\c{c}}{\~a}o
de maior kappa. Deste modo, realizou-se uma an{\'a}lise minuciosa
da segmenta{\c{c}}{\~a}o SPRING e SEGSAR para a
combina{\c{c}}{\~a}o bivariada HH+HV com o intuito de verificar
os fatores que levaram {\`a} incid{\^e}ncia dos E.O. e E.I. na
cena SAR. Constatou-se que grande parte dos pol{\'{\i}}gonos
inicialmente classificados como erros de inclus{\~a}o (E.I.) pelo
classificador Bhattacharyya foram detectados como novos
desflorestamentos pelo PRODES do ano seguinte (2007), seja porque
estavam sob nuvens no ano anterior ou realmente devido ao erro de
omiss{\~a}o do PRODES. A an{\'a}lise indiciou ainda que o baixo
n{\'u}mero de pol{\'{\i}}gonos com E.O. na
classifica{\c{c}}{\~a}o SEGSAR (comparado com a
segmenta{\c{c}}{\~a}o SPRING) e o consider{\'a}vel n{\'u}mero
de pol{\'{\i}}gonos inicialmente classificados como E.I., mas
que na verdade eram {\'a}reas de desflorestamento omitidas pelo
PRODES de refer{\^e}ncia, evidenciaram a efic{\'a}cia do
segmentador na detec{\c{c}}{\~a}o de desflorestamentos
utilizando dados microondas. Assim, considerando a cobertura de
nuvens na regi{\~a}o Amaz{\^o}nica, comprovou-se a efic{\'a}cia
de dados SAR na detec{\c{c}}{\~a}o de incremento de
desflorestamento. No entanto, constatou-se que a elevada
porcentagem de E.O. da classifica{\c{c}}{\~a}o devido
principalmente {\`a}s {\'a}reas com fei{\c{c}}{\~o}es de
queimadas, as quais possuem comportamento semelhante ao da
floresta na imagem SAR, e ao efeito double bounce (devido ao
ac{\'u}mulo h{\'{\i}}drico no solo alguns dias antes do
imageamento, bem como a incid{\^e}ncia de vest{\'{\i}}gios de
biomassa presentes no solo na regi{\~a}o de estudo), limitaram o
uso do dado SAR. ABSTRACT The Amazon forest is a region of
rainforest, which has about 5.4 million square kilometers, and
with great biodiversity of species on the planet. However, its
traditional model of occupation has lead to significant levels of
increase of deforestation in the Brazilian Legal Amazon. Through
remote sensing, these areas can be constantly monitored, offering
rates of control and estimation of deforested areas. Due to the
high rainfall rates, humidity and presence of clouds, which
characterize the Amazon region climate during the year, there are
limitations in optical imaging. The ability of Radar sensors to
acquire images through the clouds allows the continuous imaging of
areas regardless of weather conditions in the region. In this
context, this study evaluated the potential of the full-polarized
amplitude PLR ALOS/PALSAR L band data to discriminate the
deforestation increase over National Forest of Tapaj{\'o}s-PA.
The radar image segmentations and classifications were performed.
The MAXVER-ICM and Bhattacharyya (combined with SPRING and SEGSAR
segmentations) classifiers were used for all combinations of the
multipolarized images: HH, HV, VV, HH + HV, HV + VV, HH + VV and
HH + HV + VV. The results were compared with the PRODES thematic
map to detect the deforestation increment and the existence of
significant information loss when all the polarized channels were
not used, and to find the best polarization that characterizes the
deforestation. The Bhattacharyya classifier had higher accuracy
than MAXVER-ICM classifier. The best classifications were obtained
when the HH + HV polarization (segmented by SPRING and SEGSAR) was
used. The highest accuracy was obtained for the Bhattacharyya
combined with SPRING segmentation (kappa of 0.5085). However, the
HH + HV producer's accuracy was minor compared with other
combinations of polarization because the error of omission (E.O.)
has been higher. For the other channel combinations HH+HV, the
lower E.O. was obtained when the SEGSAR segmentations were used
but the error of inclusion (E.I.) was higher in relation to
classification of higher kappa. There was a detailed analysis of
the classifications Bhattacharyya (combined with SPRING and SEGSAR
segmentations) for the HH+HV polarization. The results of the
segmentation by SEGSAR showed that, considering the presence of
clouds in the Amazon region, the minor E.O. compared with the
segmentation by SPRING and the considerable number of polygons
initially classified as E.I. which were detected as increase of
deforestation by PRODES in the following year (2007), probably
because its were under clouds in 2006 or due to E.O. by PRODES,
proved the efficiency of the region based classification in the
use of microwave data. The results showed that the use of radar
mapping in tropical regions is an additional powerful tool for the
soil cover information acquisition throughout the year. The
combined radar and optical data is recommended for the detection
of new deforestation, the high E.O. of classification caused
mainly by areas of the deforestation fire, which are similar the
forest in the SAR image, and the double bounce effect (due to
water accumulation in the soil a few days before the imaging
radar, and the incidence of biomass (stump) in the soil in the
region of study), has limited the use of radar.",
issn = "0560-4613",
label = "lattes: 9840759640842299 3 About-NetaFreiDutr:2010:UsImAL",
language = "pt",
targetfile = "corina.pdf",
url = "http://www.rbc.ufrj.br/_pdf_62_2010/62_ESPECIAL_02_8.pdf",
urlaccessdate = "30 jun. 2024"
}