%0 Journal Article
%4 dpi.inpe.br/plutao/2012/11.28.15.23
%2 dpi.inpe.br/plutao/2012/11.28.15.23.01
%@doi 10.1590/S0044-59672012000200004
%@issn 0044-5967
%F lattes: 3233696672067020 5 GarciaSanMurKuxKux:2012:AnPoIm
%T Análise do potencial de imagem TerraSAR-X para mapeamento temático no sudoeste da Amazônia brasileira / Analysis of the potential use from TerraSAR-X images for thematic mapping in SW Brazilian Amazon region
%D 2012
%9 journal article
%A Garcia, César Edwin,
%A Santos, João Roberto dos,
%A Mura, José Claudio,
%A Kux, Hermann Johann Heinrich,
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@electronicmailaddress cgarcia@dsr.inpe.br
%@electronicmailaddress jroberto@dsr.inpe.br
%@electronicmailaddress mura@dpi.inpe.br
%@electronicmailaddress hermann@ltid.inpe.br
%B Acta Amazonica
%V 42
%N 2
%P 205-214
%K mapeamento florestal, radar, classificação polarimétrica, Amazônia, forest mapping, radar, polarimetric classification, Amazon.
%X O presente trabalho tem como objetivo analisar o potencial de imagens SAR polarimétricas do sensor TerraSAR-X, no modo StripMap, para mapear o uso e cobertura da terra na região sudoeste da Amazônia brasileira. No procedimento metodológico imagens de amplitude nas polarizações AHH e AVV, A<HH.VV*> derivada da matriz de covariância, bem como da entropia AEntropia derivada da decomposição de alvos por auto-valores fizeram parte, de forma individual ou combinada, do conjunto de dados investigados. Na classificação das imagens foram empregados dois classificadores: um baseado nas funções estatísticas de máxima verossimilhança (MAXVER); e outro, o método contextual (Context). Os resultados temáticos dessas classificações foram avaliados através da matriz de confusão e pelo índice Kappa. De forma sintetizada pode-se afirmar que as componentes A<HH.VV*> e AEntropia, têm significativa contribuição no procedimento classificatório, sobretudo pelo método Context, cujo desempenho alcançou com 78% de exatidão global e índice Kappa de 0,70. ABSTRACT: The objective of this work was to analyze the potential use of SAR polarimetric images from the TerraSAR-X sensor system, at StripMap mode, to map land use and land cover in SW Brazilian Amazon. Amplitude images at polarizations AHH, AVV, A<HH.VV*>, derived from the co-variance matrix, as well as the entropy AEntropia, derived from the decomposition of targets by eigenvalues, are parts of the datasets investigated individually or in combined form. Two classifiers were used: the first is based on statistical functions of maximum likelihood (MAXVER), and the second is the contextual method (Context). The thematic results from these classifications were evaluated by a confusion matrix and by the Kappa index. Summarizing we can state that the components A<HH.VV*> and AEntropia, gave a significant contribution to the image classification procedure, considering specially the Context method, whose performance reached 78% of Global Accuracy and a Kappa index of 0.70.
%@language pt
%3 Análise do potencial de imagem TerraSAR-X para.pdf
%O Setores de Atividade: Informação e comunicação.
%O Informações Adicionais: Abstract
%O The objective of this work was to analyze the potential use of SAR polarimetric images from the TerraSAR-X sensor system, at StripMap mode, to map land use and land cover in SW Brazilian Amazon. Amplitude images at polarizations AHH, AVV
%O A<HH.VV*>, derived from the co-variance matrix, as well as the entropy derived from the decomposition of targets by eigenvalues, are parts of the datasets investigated individually or in combined form. Two classifiers were used: the first is based
%O on statistical functions of maximum likelihood (MAXVER), and the second is the contextual method (Context). The thematic results from these classifications were evaluated by a confusion matrix and by the Kappa index. Summarizing we can state
%O that the components A<HH.VV*> and A<entropia>, gave a significant contribution to the image classification procedure, considering specially the Context method, whose performance reached 78% of Global Accuracy and a Kappa index of 0.70..