@InProceedings{FreitasOliv:2017:CaNuIm,
author = "Freitas, Tatiana Par{\'a} Monteiro de and Oliveira, Raquel
Aparecida Abrah{\~a}o Costa e",
title = "Caracteriza{\c{c}}{\~a}o de nuvens em imagem do sat{\'e}lite
Landsat 5 no Munic{\'{\i}}pio de Acar{\'a}-PA",
booktitle = "Anais...",
year = "2017",
editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz
Eduardo Oliveira e Cruz de",
pages = "3078--3083",
organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 18. (SBSR)",
publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
address = "S{\~a}o Jos{\'e} dos Campos",
abstract = "A presen{\c{c}}a de nuvens, detectada pelos sensores
{\'o}pticos, deve ser levada em conta no mapeamento do uso do
solo. Rudorff \& Sugawara (2007), que relatam que a frequente
cobertura de nuvens nas imagens obtidas pelos sat{\'e}lites da
s{\'e}rie Landsat dificulta e at{\'e} mesmo impede que elas
sejam utilizadas para fins de mapeamento e estimativa de {\'a}rea
cultivada de culturas agr{\'{\i}}colas no Brasil, por exemplo.
Tendo essa premissa este trabalho tem como objetivo aplicar a
metodologia de classifica{\c{c}}{\~a}o supervisionada de imagem
comparando os resultados obtidos a partir do uso dos algoritmos de
Mahalanobis e Max-Ver para subsidiar a detec{\c{c}}{\~a}o de
nuvens na regi{\~a}o estudada. A classifica{\c{c}}{\~a}o
objetivou proporcionar dados para a segmenta{\c{c}}{\~a}o com o
aux{\'{\i}}lio do uso do filtro threshold que teve como
finalidade detectar nuvens em imagem do sat{\'e}lite Landsat 5. O
estudo de caso foi executado na Cena 223/61 do Landsat 5 TM, que
abrange o munic{\'{\i}}pio de Acar{\'a} no estado do Par{\'a},
regi{\~a}o pr{\'o}xima ao equador com o aparecimento de
constantes nuvens. Foram usados os softwares Envi 4.5 e Image J
para processamento das imagens. Como resultados o algoritmo de
Mahalanobis se mostrou mais eficaz quando comparado ao Max-Ver,
tanto na avalia{\c{c}}{\~a}o dedutiva e qualitativa, mas
tamb{\'e}m quantitativa da detec{\c{c}}{\~a}o de nuvens na
regi{\~a}o, tendo cerca de 1500 identifica{\c{c}}{\~o}es de
nuvens a mais que o algoritmo menos eficaz.The presence of clouds,
detected by optical sensors, must be taken into account in the
mapping of soil use. Rudorff \& Sugawara (2007), who report that
the frequent cloud cover in the images obtained by the Landsat
series satellites makes it difficult and even prevents them from
being used for mapping and estimating the cultivated area of
\\agricultural crops in Brazil, for example. Based
on this premise, this work aims to apply the supervised image
classification methodology comparing the results obtained from the
use of Mahalanobis and Max-Ver algorithms to support the detection
of clouds in the studied region. The objective of the
classification was to provide data for segmentation using the
threshold filter to detect Landsat 5 satellite imagery. The case
study was performed in Cena 223/61 of Landsat 5 TM, which covers
the city of Acar{\'a} in the state of Par{\'a}, near the equator
with constant appearance of clouds. Envi 4.5 and Image J software
were used for image processing. As a result, the Mahalanobis
algorithm proved to be more effective when compared to Max-Ver,
both in the deductive and qualitative evaluation, but also
quantitative cloud detection in the region, having about 1500 more
cloud identifications than the algorithm less effective.",
conference-location = "Santos",
conference-year = "28-31 maio 2017",
isbn = "978-85-17-00088-1",
label = "59744",
language = "pt",
organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
ibi = "8JMKD3MGP6W34M/3PSLRR6",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3PSLRR6",
targetfile = "59744.pdf",
type = "Corre{\c{c}}{\~a}o atmosf{\'e}rica",
urlaccessdate = "27 abr. 2024"
}