%0 Journal Article
%4 dpi.inpe.br/plutao/2012/11.28.15.18
%2 dpi.inpe.br/plutao/2012/11.28.15.18.45
%@issn 0103-1570
%F lattes: 1861914973833506 2 FranciscoAlme:2012:InImOr
%T Interpretação de Imagens Orbitais por meio de Sistema Especialista para o Mapeamento de Cobertura da Terra em Região Montanhosa / Orbital images interpretation by means of an expert system for land cover mapping in highlands
%D 2012
%8 maio - ago.
%A Francisco, Cristiane Nunes,
%A Almeida, Cláudia Maria de,
%@affiliation
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@electronicmailaddress crisnf@vm.uff.br
%@electronicmailaddress almeida@dsr.inpe.br
%B Sociedade & Natureza
%V 24
%N 2
%P 283-302
%K sensoriamento remoto, classificação de imagens, análise de imagens baseada em objeto, cobertura da terra, ALOS, remote sensing, images classification, object-based image analysis, land cover, ALOS.
%X Mapas de cobertura da terra constituem uma importante fonte de dados para a elaboração de diagnóstico, ordenamento e gestão do território, sendo fundamentais em projetos de zoneamentos, estudos de impactos ambientais, mapeamentos de áreas de riscos, entre outras aplicações. Em geral, são elaborados com base na interpretação de imagens aerotransportadas ou orbitais e/ou na análise de documentos cartográficos, conjugadas a trabalhos de campo. As técnicas tradicionais de classificação de imagens baseiam-se na análise pixel a pixel ou por regiões, enfocando as diferenças espectrais para extração de informações. A abordagem de análise de imagens baseada em objeto (OBIA), embora se utilize de regiões, representa um avanço em relação às classificações tradicionais por regiões, pois pressupõe necessariamente a existência de um modelo de conhecimento (rede semântica) atrelado ao processo de interpretação da cena, que explicita o conhecimento do intérprete, aproximando-se dos processos cognitivos humanos de interpretação. Este artigo tem como objetivo analisar a classificação de cobertura da terra feita a partir de imagens orbitais por meio de OBIA. Foram utilizados atributos estatísticos e texturais extraídos de imagens ALOS/AVNIR fusionadas com imagens ALOS/PRISM e de dados de relevo do banco de dados geomorfométricos TOPODATA. A área de estudo foi o município de Nova Friburgo, situado na região serrana do Rio de Janeiro. Para a validação da classificação, foi utilizado o índice Kappa, que confronta amostras classificadas com a verdade de campo. O valor do Kappa obtido neste trabalho alcançou 0,85, sendo superior aos encontrados em trabalhos similares que utilizam técnicas tradicionais de classificação. 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 interpreter´s 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 km², 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.
%@language pt
%U http://www.seer.ufu.br/index.php/sociedadenatureza/article/view/13733/pdf
%O Setores de Atividade: Pesquisa e desenvolvimento científico, Atividades dos serviços de tecnologia da informação.