@MastersThesis{Pavanelli:2016:InDaÓp,
author = "Pavanelli, Jo{\~a}o Arthur Pompeu",
title = "Integra{\c{c}}{\~a}o de dados {\'o}pticos e SAR para
caracteriza{\c{c}}{\~a}o da paisagem de tens{\~a}o
ecol{\'o}gica em Roraima",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2016",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2016-02-15",
keywords = "OLI/Landsat-8, PALSAR-2/ALOS-2, uso e cobertura da terra, lavrado,
random forest, land use and land cover.",
abstract = "Mapeamentos de uso e cobertura da terra em paisagens tropicais
s{\~a}o necess{\'a}rios para fins de manejo,
conserva{\c{c}}{\~a}o e melhor compreens{\~a}o dos impactos
antropog{\^e}nicos sobre os ecossistemas naturais. No entanto, a
complexidade destas paisagens por conta da transi{\c{c}}{\~a}o
sutil entre distintas fitofisionomias, a fragmenta{\c{c}}{\~a}o
da vegeta{\c{c}}{\~a}o e o mosaico de {\'a}reas ocupadas para
fins agropecu{\'a}rios, somada {\`a} constante cobertura de
nuvens, s{\~a}o fatores limitantes para a
caracteriza{\c{c}}{\~a}o dos territ{\'o}rios a partir de dados
de sensoriamento remoto. Nesse sentido, o sinergismo entre
sensores {\'o}pticos e radares de abertura sint{\'e}tica (SAR)
est{\'a} ganhando evid{\^e}ncia, pois geralmente resulta em
melhores mapeamentos. Dessa maneira, o objetivo deste trabalho foi
analisar o potencial da integra{\c{c}}{\~a}o de dados obtidos a
partir do sensor {\'o}ptico OLI/Landsat-8 e SAR PALSAR-2/ALOS-2
para caracteriza{\c{c}}{\~a}o da paisagem de tens{\~a}o
ecol{\'o}gica entre floresta e savana do estado de Roraima,
utilizando o classificador Random Forest. A {\'a}rea de estudo no
estado de Roraima abrange por{\c{c}}{\~o}es dos
munic{\'{\i}}pios de Mucaja{\'{\i}}, Boa Vista e Alto Alegre,
com {\'a}rea total de 1260 km\$^{2}\$. A regi{\~a}o {\'e}
caracterizada pelo contato abrupto entre fisionomias florestais e
savana (lavrado). Dezessete classes foram levantadas em campo e
mapeadas neste estudo. Foi utilizado o produto Landsat CDR, em
reflect{\^a}ncia de superf{\'{\i}}cie e uma imagem PALSAR-2
dual (HH+HV), Level 1.5 em formato CEOS, com 10 metros de
resolu{\c{c}}{\~a}o espacial. Do produto OLI foram
extra{\'{\i}}dos os {\'{\i}}ndices NDVI e EVI para auxiliar a
classifica{\c{c}}{\~a}o. A imagem PALSAR-2 teve o efeito speckle
reduzido pelo filtro Lee 3x3 pixels e foram extra{\'{\i}}das dez
m{\'e}tricas GLCM de cada polariza{\c{c}}{\~a}o, al{\'e}m de
cinco {\'{\i}}ndices espectrais. Ao todo foram utilizadas 35
bandas, 8 bandas {\'o}pticas e 27 SAR. As imagens foram
corregistradas com base na imagem OLI (ortorretificada) e os
pixels reamostrados para 10 metros. A classifica{\c{c}}{\~a}o se
deu com o algoritmo Random Forest, de minera{\c{c}}{\~a}o de
dados. Uma etapa pr{\'e}via de calibra{\c{c}}{\~a}o dos
par{\^a}metros ntree (n{\'u}mero de {\'a}rvores na floresta) e
mtry (n{\'u}mero de vari{\'a}veis usadas a cada n{\'o} das
{\'a}rvores), do Random Forest, foi realizada a fim de utilizar
os modelos com menor erro para classifica{\c{c}}{\~a}o. Foram
processados 18 modelos, sendo 6 apenas com dados SAR, 6 apenas com
dados {\'o}pticos e 6 modelos h{\'{\i}}bridos, com distintas
combina{\c{c}}{\~o}es entre bandas. O melhor modelo SAR atingiu
Acur{\'a}cia Global de 44,6\% e Kappa 0,39, enquanto que para o
{\'o}ptico o resultado foi de 76,88\% e 0,74, respectivamente. O
produto h{\'{\i}}brido atingiu Acur{\'a}cia Global de 82,96\%
e Kappa 0,81, com diferen{\c{c}}a estat{\'{\i}}stica
significativa em rela{\c{c}}{\~a}o aos resultados dos sensores
separados, de acordo com o teste Z realizado para
compara{\c{c}}{\~a}o entre valores de Kappa. O melhor modelo foi
composto apenas com as seis bandas espectrais do OLI e imagens em
amplitude HH e HV do PALSAR-2, sendo que a adi{\c{c}}{\~a}o de
{\'{\i}}ndices espectrais e texturas GLCM do SAR n{\~a}o
resultaram em melhorias significativas. Conclui-se, portanto, que
o sinergismo entre os sensores {\'o}ptico e SAR na regi{\~a}o de
estudo {\'e} conveniente para caracteriza{\c{c}}{\~a}o desta
complexa paisagem formada por um mosaico de tipologias de uso e
cobertura da terra. ABSTRACT: Land use and cover mapping in
tropical landscapes are key for management, conservation and to
enhance understanding about anthropogenic impacts over natural
ecosystems. However, the natural complexity of these landscapes
because of subtle transition between vegetation physiognomies,
vegetation fragmentation and the mosaic of land uses for
agriculture and pasture lands, in addition to persistent cloud
cover, often restricts its characterization by means of remote
sensing data. In this sense, optical and SAR synergies is becoming
relevant, because it generally results in better land use/cover
maps. In light of that, the aim of this study was to analyse the
integration of OLI/Landsat-8 optical and PALSAR-2/ALOS-2 SAR
sensors to characterize the landscape of ecological tension
between forest and savannah in Roraima state, by means of Random
Forest classifier. The study site in Roraima state cover portions
of the municipalities of Mucaja{\'{\i}}, Boa Vista and Alto
Alegre, with a total area of 1260 km\$^{2}\$. The region is
characterized by the abrupt contact of forest and savannah
physiognomies. Seventeen classes were collected during fieldwork
and mapped in this research. Landsat CDR surface reflectance data
and PALSAR- 2/ALOS-2 dual (HH+HV), Level 1.5, CEOS format (10
metres) were used. From OLI product NDVI and EVI indices were
generated. PALSAR-2 image was speckle filtered with a 3x3 Lee
filter and GLCM textures were extracted for each polarization, in
addition to five spectral indices. In total, 35 bands were used: 8
optical bands and 27 SAR bands. All bands were corregistered based
on orthorrectified OLI image and pixels were resampled to 10
metres. Classification was made with data mining Random Forest
algorithm. A previous calibration step was required to define the
parameters ntree (number of trees in the forest) and mtry (number
of variables at each split node). Models whose combination of
parameters resulted in minor errors were used for classification.
Eighteen models were processed: 6 with only SAR bands, 6 with only
optical bands and 6 hybrid models, with distinct band
combinations. Best SAR model\${'}\$s Overall Accuracy was
44.6\% and Kappa 0.39, while optical better result was 76.88\%
and 0.74, respectively. Hybrid classification resulted in Overall
Accuracy of 82.96\% and Kappa 0.81, with significant statistical
difference comparing results of classifications using separated
sensors, according to Z test between Kappa values. The better
model was formed by six OLI spectral bands and HH and HV.",
committee = "Santos, Jo{\~a}o Roberto dos (presidente/orientador) and
Galv{\~a}o, L{\^e}nio Soares (orientador) and Gama, F{\'a}bio
Furlan and Xaud, Maristela Ramalho and Araujo, Luciana Spinelli",
copyholder = "SID/SCD",
englishtitle = "Optical and SAR integration to caracterize ecological tension
landscape in the state of Roraima",
language = "pt",
pages = "103",
ibi = "8JMKD3MGP3W34P/3L8M8H5",
url = "http://urlib.net/ibi/8JMKD3MGP3W34P/3L8M8H5",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}