@MastersThesis{Reis:2014:DeMuUs,
author = "Reis, Mariane Souza",
title = "Detec{\c{c}}{\~a}o de mudan{\c{c}}as de uso e cobertura da
terra utilizando dados {\'o}ticos e de micro-ondas em uma
regi{\~a}o da Amaz{\^o}nia brasileira",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2014",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2014-07-23",
keywords = "detec{\c{c}}{\~a}o de mudan{\c{c}}as, dados {\'o}ticos, dados
SAR, change detection, optical data, SAR data.",
abstract = "Estudos relacionados {\`a} detec{\c{c}}{\~a}o de
mudan{\c{c}}as utilizando dados provenientes de sensoriamento
remoto podem prover informa{\c{c}}{\~o}es que aprofundam o
entendimento das causas do desmatamento, da intera{\c{c}}{\~a}o
de fen{\^o}menos naturais e atividades humanas e de impactos de
obras de infraestrutura ao longo do tempo. Imagens {\'o}ticas
s{\~a}o comumente utilizadas para esses estudos, contudo a
disponibilidade desses dados est{\'a} condicionada {\`a}s
condi{\c{c}}{\~o}es atmosf{\'e}ricas e de
ilumina{\c{c}}{\~a}o da cena. Imagens provenientes de radares de
abertura sint{\'e}tica (\emph{Synthetic Aperiure Radar} - SAR)
podem ser obtidas de forma quase que independente das
condi{\c{c}}{\~o}es atmosf{\'e}ricas e em qualquer {\'e}poca
do ano. Essas caracter{\'{\i}}sticas tornam esse tipo de dado um
forte candidato a ser utilizado na tarefa de detec{\c{c}}{\~a}o
de mudan{\c{c}}as. Considerando esse contexto, esse trabalho tem
como objetivo avaliar classifica{\c{c}}{\~o}es de
mudan{\c{c}}as obtidas a partir de dados provenientes de radares
de abertura sint{\'e}tica, de dados {\'o}ticos e da fus{\~a}o
de ambos os dados, utilizando an{\'a}lise
p{\'o}s-classifica{\c{c}}{\~a}o. Foram avaliados seis conjuntos
de dados obtidos a partir de duas imagens {\'o}ticas e duas
imagens de radar, adquiridas em junho de 2008 e junho de 2010, na
regi{\~a}o da Floresta Nacional do Tapaj{\'o}s, no estado do
Par{\'a}. Esses conjuntos s{\~a}o compostos por imagens
{\'o}ticas originais, atributos extra{\'{\i}}dos de imagens
{\'o}ticas, imagens de radar originais, imagens de radar
filtradas, atributos extra{\'{\i}}dos de imagens de radar
filtradas e a fus{\~a}o das imagens {\'o}ticas originais e de
radar filtradas. O classificador por regi{\~o}es de
m{\'{\i}}nima dist{\^a}ncia de Bhattacharyya foi usado para
gerar as classifica{\c{c}}{\~o}es de cobertura de cada dado para
cada ano. As classifica{\c{c}}{\~o}es foram realizadas para 3
n{\'{\i}}veis de legenda, isto {\'e}, 3 conjuntos de classes
amostrais. Em um mesmo conjunto de dados, foram cruzadas as
classifica{\c{c}}{\~o}es de cobertura dos anos de 2008 e 2010.
As transi{\c{c}}{\~o}es resultantes foram classificadas segundo
os tipos de mudan{\c{c}}a de interesse. De forma geral,
classifica{\c{c}}{\~o}es de cobertura e de mudan{\c{c}}a
utilizando os dados {\'o}ticos originais foram semelhantes ou
melhores que as demais, para todos os n{\'{\i}}veis de legenda.
Os dados fusionados apresentaram resultados melhores que os dados
{\'o}ticos originais apenas para algumas classes de cobertura e
de mudan{\c{c}}as. Dada a simplicidade de processamento e
resultados acurados dos dados {\'o}ticos originais, recomenda-se,
sempre que poss{\'{\i}}vel, sua utiliza{\c{c}}{\~a}o. Caso
esses dados n{\~a}o estejam dispon{\'{\i}}veis, a
utiliza{\c{c}}{\~a}o de dados de radar fornece bons resultados,
com limita{\c{c}}{\~o}es na exatid{\~a}o de classes de
cobertura ou de mudan{\c{c}}as que envolvam a
distin{\c{c}}{\~a}o entre classes florestadas. Quanto menor o
detalhe do n{\'{\i}}vel de legenda, mais a
classifica{\c{c}}{\~a}o de mudan{\c{c}}as utilizando dados
radar se aproxima daquela utilizando dados {\'o}ticos. A
necessidade de extra{\c{c}}{\~a}o de atributos, principalmente
de textura, e do uso de filtros redutores de \emph{speckle} nos
dados radar diminui {\`a} medida que diminui-se o detalhe do
n{\'{\i}}vel de legenda. ABSTRACT: Remete sensing based change
detection studies can provide information to better understand the
causes of deforestation, of natural phcnornena and human
activities interaction and the impacts of infrastructure
development along time. Optical images are cornrnonly used for
these studies. However, the availability of such data is subject
to weather conditions and lighting of the scene. Images from
Synthetic Aperture Radar (SAR) can be obtained almost
independently from weather conditions in any time of thc year.
This characteristic rendcrs this kind of data a strang candidate
to be used in change detection procedures, Considering this
context, this work aims to evaluate the changes obtained using
data from Synthctic Aperture Radar, optical data and the fusion of
both data, by post-classification analysis. Six sets of data were
evaluated. These sets were obtained frorn two optical and two
radar images, aquired in June 2008 and June 2010, in the
Tapaj{\'o}s National Forest region, in Par{\'a} state. Thesc
sets are composed of optical images, attributes extracted from
optical irnages, original radar imagcs, filtered radar images,
attributes extracted frorn filtcrcd radar images and the fusion of
optical images and filtered radar ones, The minimum Bhat.tacharyya
distance region classifier was used to generatc cover
classification of each date and data set. The classifications were
generated considering 3 levels of legend, narnely, 3 sets of
sarnple classes. Considering the same data set, the cover
classifications from 2008 and 2010 were cross-tabulated. Thc
resulting classifications were classified accordiug to a fixed sot
of change classes. GeneralIy, cover and change classifications
using original optical data were similar or better than the
others, for all levels of legend. Fused data only showed better
results than the original optical data for certain classes of
cover and changes. Given the sirnplicity in processing the
original optical data and the accurate results, its use is
recornrnended, whenever possible. If such data are not available,
the use of radar data provides good results, with limitations on
the accuracy of land cover/ change classes in which the
distinction between forest classes is needed. The lower the level
of detail of the legend, the more similar are the radar change
classifications to t.he optical ones. The need for feature
extraction, especially texture, and the use of speckle reducing
filters in the radar data decreases with the lcvel of detail of
the legend.",
committee = "Sant'Anna, Sidnei Jo{\~a}o Siqueira (presidente/orientador) and
Dutra, Luciano Vieira Dutra (orientador) and Escada, Maria Isabel
Sobral and Alves, Di{\'o}genes Salas and Vogt, Nathan David and
Costa, Sandra Maria Fonseca da",
englishtitle = "Land use and land cover change detection using optical and
microwave data in a Brazilian Amazon region.",
language = "pt",
pages = "331",
ibi = "8JMKD3MGP5W34M/3GJ7LFB",
url = "http://urlib.net/ibi/8JMKD3MGP5W34M/3GJ7LFB",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}