@MastersThesis{Pimentel:2014:ClPaTe,
author = "Pimentel, Toni Roberto Gomes",
title = "Classifica{\c{c}}{\~a}o de padr{\~o}es temporais de uso do solo
e cobertura da terra em s{\'e}ries temporais de {\'{\i}}ndice
de vegeta{\c{c}}{\~a}o utilizando um sistema neuro-difuso",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2014",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2014-04-17",
keywords = "s{\'e}ries temporais, {\'{\i}}ndice de vegeta{\c{c}}{\~a}o,
classifica{\c{c}}{\~a}o de padr{\~o}es, uso do solo e cobertura
da terra, sistema neuro-difuso, time series, vegetation index,
pattern classification, land use and land cover, neuro-fuzzy
system.",
abstract = "A quest{\~a}o das mudan{\c{c}}as no uso do solo e cobertura da
terra no Brasil tem despertado grande interesse, dentro e fora do
meio cient{\'{\i}}fico, devido, principalmente, aos
poss{\'{\i}}veis impactos ambientais e socioecon{\^o}micos que
essas mudan{\c{c}}as podem acarretar. Polui{\c{c}}{\~a}o do ar
e da {\'a}gua, desertifica{\c{c}}{\~a}o, desflorestamento
ilegal e perda de biodiversidade s{\~a}o apenas alguns problemas
relacionados a mudan{\c{c}}as de uso do solo e cobertura da
terra. Por isso, todas as precau{\c{c}}{\~o}es devem ser tomadas
para que os ecossistemas locais e globais sejam minimamente
afetados. Com base nesse interesse, se torna de suma
import{\^a}ncia o desenvolvimento de m{\'e}todos, principalmente
computacionais, capazes de monitorar e identificar mudan{\c{c}}as
de uso do solo e cobertura da terra no menor tempo
poss{\'{\i}}vel, j{\'a} que os processos de
degrada{\c{c}}{\~a}o do solo, em {\'a}reas de interesse
p{\'u}blico, s{\~a}o r{\'a}pidos e, na maioria das vezes,
devastadores. Os dados de sensoriamento remoto t{\^e}m servido
como base crucial para esse monitoramento, entretanto, normalmente
as t{\'e}cnicas de monitoramento de uso do solo e cobertura da
terra no Brasil demandam muito tempo e conhecimento especialista
para serem realizadas, o que limita a possibilidade de
a{\c{c}}{\~o}es conservacionistas pelas autoridades competentes.
Essa foi a principal motiva{\c{c}}{\~a}o do presente trabalho, e
o objetivo tra{\c{c}}ado foi o de desenvolver um sistema capaz de
classificar padr{\~o}es temporais de uso do solo e cobertura da
terra utilizando s{\'e}ries temporais de {\'{\i}}ndice de
vegeta{\c{c}}{\~a}o. Utilizamos s{\'e}ries temporais obtidas a
partir de imagens MODIS (do ingl{\^e}s, \emph{Moderate
Resolution Imaging Spectroradiometer}), selecionadas de uma
{\'a}rea geogr{\'a}fica no leste do estado brasileiro do Mato
Grosso, com cerca de 10 \$km^{2}\$. O sistema desenvolvido foi
uma rede neural artificial perceptron multicamadas, acrescida de
modifica{\c{c}}{\~o}es difusas e de um processo de filtragem de
padr{\~o}es para tratar o aspecto vago dos padr{\~o}es
analisados. Isso devido ao fato de a pesquisa n{\~a}o possuir
padr{\~o}es classificados suficientes para servir como conjunto
de treinamento do sistema. Por isso, o primeiro passo deste
trabalho foi o de classificar padr{\~o}es, primeiramente por
inspe{\c{c}}{\~a}o visual - tendo como base exemplos
dispon{\'{\i}}veis na literatura - e, posteriormente, por um
processo de filtragem dos padr{\~o}es utilizando as m{\'e}dias e
os desvios-padr{\~a}o dos conjuntos de padr{\~o}es classificados
visualmente. A etapa de filtragem foi realizada com a finalidade
de diminuir poss{\'{\i}}veis erros na classifica{\c{c}}{\~a}o
inicial, e se mostrou de grande utilidade, pois foi
poss{\'{\i}}vel criar conjuntos de padr{\~o}es separados em
classes bem definidas, mesmo n{\~a}o existindo conhecimento
especialista dispon{\'{\i}}vel. O segundo passo foi passar os
padr{\~o}es classificados e filtrados para quatro
varia{\c{c}}{\~o}es da rede perceptron multicamadas - com e sem
adi{\c{c}}{\~a}o de conceitos difusos -. No geral, todas as
implementa{\c{c}}{\~o}es obtiveram {\'o}timos resultados,
contudo, o uso das modifica{\c{c}}{\~o}es difusas forneceu ao
sistema resultados ainda melhores, diminuindo a influ{\^e}ncia de
padr{\~o}es erroneamente pr{\'e}-classificados. Por fim, foi
realizada a compara{\c{c}}{\~a}o entre a
classifica{\c{c}}{\~a}o obtida pelo sistema neuro-difuso e a
classifica{\c{c}}{\~a}o de uso do solo e cobertura da terra do
projeto \emph{TerraClass 2010}, o que permitiu verificar que o
sistema desenvolvido obteve sucesso em seu objetivo, classificando
corretamente a grande maioria dos novos padr{\~o}es analisados.
ABSTRACT: The question of changes in land use and land cover in
Brazil have attracted great interest, both inside and outside the
scientific community, mainly due to the potential environmental
and socioeconomic impacts that these changes may cause. Pollution
of air and water, desertification, illegal deforestation and
biodiversity loss are just a few problems related to changes in
land use and land cover. Therefore, all precautions should be
taken for that local and global ecosystems are minimally affected.
Based on this interest, it becomes very important to develop
methods, mainly computational, able to monitor and identify
changes in land use and land cover in the shortest possible time,
since the processes of land degradation in areas of public
interest are fast and, in the most cases, devastating. The remote
sensing data have served as a crucial basis for this monitoring,
however, usually the techniques for monitoring land use and land
cover in Brazil require much time and expert knowledge to be
performed, which limits the possibility of conservation actions by
the competent authorities. That was the main motivation of this
work, and the objective traced was to develop a system able of
classifying temporalland use and land cover patterns using time
series of vegetation indexo We use time series obtained from MODIS
images (Moderate Resolution Imaging Spectroradiometer), selected
from a geographical are a in eastern Brazilian state of Mato
Grosso, with approximately 10 \$km^{2}\$. The system developed
is the multilayer perceptron neural network, plus diffuse
modifications and a filtering process to treat the uncertainty
aspect of the analyzed patterns. This is due to the fact that the
study did not have enough classified patterns to serve as a
training set. Therefore, the first step of this study was to
classify patterns, first by visual inspection - based on examples
from the literature - and, subsequently, by a filtering process of
patterns using the means and standard deviations of the sets
visually ranked. The filtering step was performed in order to
reduce possible errors in the initial classification, and it
proved to be very useful, because it was possible to create
separated pattern sets into well-defined classes, even without
available expert knowledge. The second step was to pass the
filtered and classified patterns for four variations of multilayer
perceptron network with and without addition of fuzzy concepts -.
In general, all implementations have had excellent results,
however the use of diffuse changes provided even better results
for the system, decreasing the influence of wrongly classified
patterns. Finally, the comparison between the classification
obtained by the neuro-fuzzy system and the land use and land cover
classification of the \emph{Terro Class 2010} project, has shown
that the system was successful in its goal, correctly classifying
the vast majority was held new standards analyzed.",
committee = "Velho, Haroldo Fraga de Campos (presidente) and Sandri, Sandra
Aparecida (orientadora) and Ramos, Fernando Manuel (orientador)
and Quiles, Marcos Gon{\c{c}}alves and Nascimento, Mari{\'a}
Cristina Vasconcelos",
englishtitle = "Classification of temporal patterns of land use and land cover in
time series of vegetation index using a neuro-fuzzy system",
language = "pt",
pages = "102",
ibi = "8JMKD3MGP5W34M/3FRC4FL",
url = "http://urlib.net/ibi/8JMKD3MGP5W34M/3FRC4FL",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}