@Article{FranciscoAlme:2012:InImOr,
author = "Francisco, Cristiane Nunes and Almeida, Cl{\'a}udia Maria de",
affiliation = "{} and {Instituto Nacional de Pesquisas Espaciais (INPE)}",
title = "Interpreta{\c{c}}{\~a}o de Imagens Orbitais por meio de Sistema
Especialista para o Mapeamento de Cobertura da Terra em
Regi{\~a}o Montanhosa / Orbital images interpretation by means of
an expert system for land cover mapping in highlands",
journal = "Sociedade \& Natureza",
year = "2012",
volume = "24",
number = "2",
pages = "283--302",
month = "maio - ago.",
note = "Setores de Atividade: Pesquisa e desenvolvimento
cient{\'{\i}}fico, Atividades dos servi{\c{c}}os de tecnologia
da informa{\c{c}}{\~a}o.",
keywords = "sensoriamento remoto, classifica{\c{c}}{\~a}o de imagens,
an{\'a}lise de imagens baseada em objeto, cobertura da terra,
ALOS, remote sensing, images classification, object-based image
analysis, land cover, ALOS.",
abstract = "Mapas de cobertura da terra constituem uma importante fonte de
dados para a elabora{\c{c}}{\~a}o de diagn{\'o}stico,
ordenamento e gest{\~a}o do territ{\'o}rio, sendo fundamentais
em projetos de zoneamentos, estudos de impactos ambientais,
mapeamentos de {\'a}reas de riscos, entre outras
aplica{\c{c}}{\~o}es. Em geral, s{\~a}o elaborados com base na
interpreta{\c{c}}{\~a}o de imagens aerotransportadas ou orbitais
e/ou na an{\'a}lise de documentos cartogr{\'a}ficos, conjugadas
a trabalhos de campo. As t{\'e}cnicas tradicionais de
classifica{\c{c}}{\~a}o de imagens baseiam-se na an{\'a}lise
pixel a pixel ou por regi{\~o}es, enfocando as diferen{\c{c}}as
espectrais para extra{\c{c}}{\~a}o de informa{\c{c}}{\~o}es. A
abordagem de an{\'a}lise de imagens baseada em objeto (OBIA),
embora se utilize de regi{\~o}es, representa um avan{\c{c}}o em
rela{\c{c}}{\~a}o {\`a}s classifica{\c{c}}{\~o}es
tradicionais por regi{\~o}es, pois pressup{\~o}e necessariamente
a exist{\^e}ncia de um modelo de conhecimento (rede
sem{\^a}ntica) atrelado ao processo de interpreta{\c{c}}{\~a}o
da cena, que explicita o conhecimento do int{\'e}rprete,
aproximando-se dos processos cognitivos humanos de
interpreta{\c{c}}{\~a}o. Este artigo tem como objetivo analisar
a classifica{\c{c}}{\~a}o de cobertura da terra feita a partir
de imagens orbitais por meio de OBIA. Foram utilizados atributos
estat{\'{\i}}sticos e texturais extra{\'{\i}}dos de imagens
ALOS/AVNIR fusionadas com imagens ALOS/PRISM e de dados de relevo
do banco de dados geomorfom{\'e}tricos TOPODATA. A {\'a}rea de
estudo foi o munic{\'{\i}}pio de Nova Friburgo, situado na
regi{\~a}o serrana do Rio de Janeiro. Para a
valida{\c{c}}{\~a}o da classifica{\c{c}}{\~a}o, foi utilizado
o {\'{\i}}ndice Kappa, que confronta amostras classificadas com
a verdade de campo. O valor do Kappa obtido neste trabalho
alcan{\c{c}}ou 0,85, sendo superior aos encontrados em trabalhos
similares que utilizam t{\'e}cnicas tradicionais de
classifica{\c{c}}{\~a}o. ABSTRACT: Land cover maps are an
important data source for land planning and management, and hence,
are crucial in zoning projects, environmental impact assessment,
risky areas mapping, among other applications. They are usually
derived from the interpretation of airborne or orbital images
and/or the analysis of cartographic products, associated with
field work. The traditional methods of remote sensing images
classification consist either in pixel-per-pixel or region-based
analyses, focusing on spectral differences for information
extraction. The object-based image analysis (OBIA), although also
based on the use of regions, represents an advance in relation to
the traditional region-based classification approaches, for it
relies on a knowledge model (semantic network) appended to the
scene interpretation process, which renders the interpreterīs
knowledge explicit, in a way to resemble the human cognitive
processes. This paper aims to analyze land cover mapping resulting
from the interpretation of remote sensing images using OBIA.
Statistical and textural attributes extracted from ALOS/AVNIR
images pan-sharpened with ALOS/PRISM image as well as relief data
from the TOPODATA geomorphometric database were used as input
data. The study area is Nova Friburgo County, with an area of 933
kmē, located in the mountainous region of Rio de Janeiro State.
The land cover map was validated by the Kappa index, which relates
classified samples with field data. The Kappa value obtained in
this paper was 0.85, which showed to be greater than the ones
found in similar works that used traditional classification
techniques.",
issn = "0103-1570",
label = "lattes: 1861914973833506 2 FranciscoAlme:2012:InImOr",
language = "pt",
url = "http://www.seer.ufu.br/index.php/sociedadenatureza/article/view/13733/pdf",
urlaccessdate = "02 maio 2024"
}