@Article{NamikawaKortCast:2016:AuMeBa,
author = "Namikawa, La{\'e}rcio Massaru and Korting, Thales Sehn and
Castejon, Emiliano Ferreira",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)}",
title = "Water body extraction from rapideye images: an automated
methodology based on HUE component of color transformation from
RGB to HSV model",
journal = "Revista Brasileira de Cartografia",
year = "2016",
volume = "68",
number = "6",
pages = "1097--1111",
keywords = "RapidEye, Water Body Detection, RGB-HSV Color Transformation,
RapidEye, Detec{\c{c}}{\~a}o de Corpos d’{\'A}gua,
Transforma{\c{c}}{\~a}o de Cores RGB para HSV.",
abstract = "Water management and fl ood studies are some fi elds in which a
map with all water bodies in a region is useful, especially in
scenarios of environmental changes due to anthropogenic factors.
Various detection methods of water body surfaces in remotely
sensed images are available, from simple methods having a lower
accuracy to more sophisticated ones. The objective of this paper
is to present a simple, yet accurate method to detect water bodies
in RapidEye images. The motivation is the availability of country
wide coverage of these images, which makes feasible the generation
of a map of all water bodies detectable at that spatial
resolution. Our solution is the use the color transformation from
Red- Green-Blue to Hue-Saturation-Value and the minimum radiance
from all RapidEye bands to classify water bodies in seven classes
of water. The water classes are ranked based on the confi dence of
the classifi ed pixels being water, which accommodates for the
diff erences in illumination and scattering that are present in
such a large coverage, composed by more than 15000 scenes. In
addition, users of the generated water bodies map can reclassify
based on their needs. The methodology was developed on two
RapidEye scenes, covering the Jacare{\'{\i}} and Foz do
Igua{\c{c}}u municipalities, in Brazil. Results indicate that the
classifi cation is better than the traditional ones, with the
advantage of providing seven classes with confi dence levels.
RESUMO: um mapa contendo todos os corpos d{\'a}gua de uma
regi{\~a}o, especialmente em cen{\'a}rios de mudan{\c{c}}as
ambientais abruptas, devido a fatores antropog{\^e}nicos. Existem
v{\'a}rios m{\'e}todos de detec{\c{c}}{\~a}o de
superf{\'{\i}}cies de corpos d{\'a}gua utilizando imagens de
sensoriamento remoto, desde os mais simples contendo baixa
acur{\'a}cia at{\'e} os mais sofi sticados. O objetivo deste
trabalho {\'e} apresentar um m{\'e}todo que combine uma taxa de
acerto adequada a uma metodologia simples, para ser aplicado em
imagens do sat{\'e}lite RapidEye. A motiva{\c{c}}{\~a}o para a
gerar este m{\'e}todo foi a disponibilidade de uma cobertura
completa do Brasil com imagens RapidEye. Esta base de imagens
permite a descoberta de corpos d{\'a}gua detect{\'a}veis
atrav{\'e}s da resolu{\c{c}}{\~a}o espacial do RapidEye. Para
isso, deve-se aplicar a transforma{\c{c}}{\~a}o de cores RGB
(siglas em ingl{\^e}s valores de m{\'{\i}}nima radi{\^a}ncia
das 5 bandas do RapidEye para classifi car os corpos d{\'a}gua em
um ranqueamento de sete classes de pertencimento ao alvo de
interesse ({\'A}gua). Esta solu{\c{c}}{\~a}o {\'e}
adapt{\'a}vel aos diferentes tipos de ilumina{\c{c}}{\~a}o e
espalhamento presentes em uma grande cobertura de imagens, como
neste caso da cobertura do Brasil com mais de 15000 cenas
RapidEye. Al{\'e}m disso, potenciais usu{\'a}rios do produto
gerado por esta proposta podem reclassifi car o mapa conforme a
necessidade, removendo classes de menor pertencimento, por
exemplo. A metodologia foi desenvolvida a partir da an{\'a}lise
de duas cenas RapidEye. Uma delas cobre o munic{\'{\i}}pio de
Jacare{\'{\i}}, S{\~a}o Paulo, e a outra cobre Foz do
Igua{\c{c}}u, no Paran{\'a}. Os resultados obtidos indicam que a
classifi ca{\c{c}}{\~a}o {\'e} superior aos m{\'e}todos
tradicionais, com a vantagem de apresentar as sete classes de
pertencimento.",
issn = "0560-4613 and 1808-0936",
language = "en",
targetfile = "namikawa2016water.pdf",
urlaccessdate = "20 abr. 2024"
}