@MastersThesis{Ruiz:2017:ClCoSo,
author = "Ruiz, Paulo Roberto da Silva",
title = "Classifica{\c{c}}{\~a}o da cobertura do solo urbano usando
{\'a}rvores de decis{\~a}o a partir de cenas WorldView-2 e
WorldView-3 para diferentes n{\'{\i}}veis de legenda",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2017",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2017-02-21",
keywords = "WorldView-2, WorldView-3, minera{\c{c}}{\~a}o de dados,
classifica{\c{c}}{\~a}o de cobertura do solo urbano, data
mining, urban land cover classification.",
abstract = "A partir do final dos anos 1990, o sensoriamento remoto orbital
passou a oferecer imagens de elevada resolu{\c{c}}{\~a}o
espacial. Desde ent{\~a}o, essa novidade fez florescer novas
possibilidades no panorama dos estudos urbanos. A alta
resolu{\c{c}}{\~a}o espacial permite identificar com mais
efici{\^e}ncia os alvos caracter{\'{\i}}sticos das cidades,
inaugurando uma nova era no estudo do espa{\c{c}}o intraurbano.
Atualmente, como a maioria da popula{\c{c}}{\~a}o mundial reside
em cidades, o planejamento urbano n{\~a}o pode prescindir de um
eficiente mapeamento urbano. Nesse sentido, o sensoriamento remoto
de alta resolu{\c{c}}{\~a}o espacial possui papel decisivo, mas
apresenta ainda in{\'u}meros desafios. Um deles {\'e} aliar alta
resolu{\c{c}}{\~a}o espacial a mais de quatro bandas
multiespectrais, que {\'e} o caso dos sensores WorldView-2
(WV-2), detentor de oito bandas, e WorldView-3 (WV-3), detentor de
16 bandas espectrais imageadoras da superf{\'{\i}}cie terrestre.
O mapeamento urbano ganha qualidade com o refinamento espectral,
todavia m{\'e}todos adequados de classifica{\c{c}}{\~a}o devem
ser investigados para otimizar essa tarefa. Nesse contexto, o
presente trabalho busca avaliar o desempenho de dois algoritmos de
indu{\c{c}}{\~a}o de {\'a}rvores de decis{\~a}o para serem
aplicados na classifica{\c{c}}{\~a}o de duas cenas, uma do WV-2
e a outra do WV-3, referente a um transecto do campus da
Universidade Estadual de Campinas, S{\~a}o Paulo. Para cada
conjunto de dados, foram realizadas quatro
classifica{\c{c}}{\~o}es aplicando os algoritmos de {\'a}rvore
de decis{\~a}o Best First Tree (BFTree) e Logistic Model Tree
(LMT) em dois diferentes n{\'{\i}}veis de legenda de
classifica{\c{c}}{\~a}o. O N{\'{\i}}vel de Legenda 1 apresenta
11 classes de cobertura do solo urbano tanto para a cena do WV-2
como para aquela do WV-3, e o N{\'{\i}}vel de Legenda 2
apresenta 38 classes para a cena do WV-2 e 42 classes para a cena
do WV-3. As classifica{\c{c}}{\~o}es alcan{\c{c}}aram
acur{\'a}cias consideradas muito boas, em que os {\'{\i}}ndices
Kappa variaram de 0,6129 a 0,7863 e as exatid{\~o}es globais
entre 64,41\% e 82,27\%. As compara{\c{c}}{\~o}es entre os
resultados das classifica{\c{c}}{\~o}es foram realizadas por
meio de testes de hip{\'o}tese. Os testes comparando o desempenho
dos algoritmos para os distintos conjuntos de dados e
n{\'{\i}}veis de legenda demonstraram que o algoritmo LMT foi
significantemente superior ao algoritmo BFTree. No tocante ao
desempenho dos conjuntos de dados de ambos os sensores, mesmo
possuindo mais classes no N{\'{\i}}vel de Legenda 2, os dados do
WV-3, quando classificados pelo algoritmo LMT, obtiveram
desempenho superior em rela{\c{c}}{\~a}o {\`a}queles do WV-2,
inclusive no N{\'{\i}}vel de Legenda 1. Por fim, o
desenvolvimento deste trabalho elucidou a necessidade de melhoria
das resolu{\c{c}}{\~o}es espaciais e espectrais dos dados
orbitais para a identifica{\c{c}}{\~a}o precisa dos alvos
urbanos, bem como a ado{\c{c}}{\~a}o de algoritmos de
minera{\c{c}}{\~a}o de dados apropriados para esse fim.
ABSTRACT: At the end of the 1990s, orbital remote sensing began to
offer very high spatial resolution images. Since then, this
novelty has fostered new possibilities of scientific investigation
in the scope of urban studies. The very high spatial resolution
enables a more accurate and efficient identification of urban
targets, opening up new paths for studying the intraurban
environment. Today, as most of the world population resides in
cities, urban planning cannot be done without an efficient urban
mapping. In this sense, remote sensing of high spatial resolution
plays a decisive role, though still presents many challenges. One
of these is to combine high spatial resolution with more than four
multispectral bands, which is the case of WorldView-2 (WV-2), an
eight-band system, and WorldView-3 (WV-3), which has 16 spectral
bands meant for imaging the Earth surface. Urban mapping improves
quality with spectral refinement, however suitable classification
methods must be investigated to optimize this task. In this
context, the present work seeks to evaluate the performance of two
decision tree induction algorithms to be applied in the
classification of two scenes, WV-2 and WV-3, covering a transect
within the campus of the Campinas State University, S{\~a}o
Paulo. For each dataset, four classifications were made applying
the Best First Tree (BFTree) and Logistic Model Tree (LMT)
algorithms at two different legend levels. Legend Level 1 presents
11 urban land use classes for both datasets (WV-2 and WV-3) and
Legend Level 2 presents 38 classes for the WV-2 data and 42
classes for the WV-3 data. The classifications achieved very good
accuracies, with Kappa indices ranging from 0.6129 to 0.7863 and
the overall accuracy lying between 64.41\% and 82.27\%. The
comparisons among the classifications results were performed by
means of hypothesis tests. The tests comparing the algorithms
performance for the different datasets and legend levels
demonstrated that the LMT algorithm was significantly superior to
the BFTree algorithm. Regarding the performance of the two
datasets, even though the greater number of classes at the Legend
Level 2, the WV-3 data when classified by the LMT algorithm
performed better than the WV-2 data, also at the Legend Level 1.
Finally, this work corroborated the need to improve the spatial
and spectral resolutions of the orbital data for the precise
identification of the urban targets as well as the adoption of
appropriate data mining algorithms for this purpose.",
committee = "K{\"o}rting, Thales Sehn (presidente) and Almeida, Cl{\'a}udia
Maria de (orientadora) and Lacerda, Camila Souza dos Anjos
(orientadora) and Kux, Hermann Johann Heinrich and Shiguemori,
Elcio Hideiti",
copyholder = "SID/SCD",
englishtitle = "Decision trees-based urban land cover classification of
WorldView-2 and WorldView-3 scenes at different legend levels",
language = "pt",
pages = "203",
ibi = "8JMKD3MGP3W34P/3NJ9GU8",
url = "http://urlib.net/ibi/8JMKD3MGP3W34P/3NJ9GU8",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}