@Article{PavanelliSanGalXauXau:2018:PaOlDa,
               author = "Pavanelli, Jo{\~a}o Arthur Pompeu and Santos, Jo{\~a}o Roberto 
                         dos and Galv{\~a}o, L{\^e}nio Soares and Xaud, Maristela Ramalho 
                         and Xaud, Haron Abrahim Magalh{\~a}es",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Empresa Brasileira de Pesquisa 
                         Agropecu{\'a}ria (EMBRAPA)} and {Empresa Brasileira de Pesquisa 
                         Agropecu{\'a}ria (EMBRAPA)}",
                title = "Palsar-2/Alos-2 and Oli/Landsat-8 data integration for land use 
                         and land cover mapping in northern Brazilian Amazon",
              journal = "Bulletin of Geodetic Sciences",
                 year = "2018",
               volume = "24",
               number = "2",
                pages = "250--269",
                month = "Apr./June",
             keywords = "Random Forest, LULC, hybrid classification, Random Forest, uso e 
                         cobertura da terra, classifica{\c{c}}{\~a}o h{\'{\i}}brida.",
             abstract = "In northern Brazilian Amazon, the crops, savannahs and rainforests 
                         form a complex landscape where land use and land cover (LULC) 
                         mapping is difficult. Here, data from the Operational Land Imager 
                         (OLI)/Landsat-8 and Phased Array type L-band Synthetic Aperture 
                         Radar (PALSAR-2)/ALOS-2 were combined for mapping 17 LULC classes 
                         using Random Forest (RF) during the dry season. The potential 
                         thematic accuracy of each dataset was assessed and compared with 
                         results of the hybrid classification from both datasets. The 
                         results showed that the combination of PALSAR-2 HH/HV amplitudes 
                         with the reflectance of the six OLI bands produced an overall 
                         accuracy of 83% and a Kappa of 0.81, which represented an 
                         improvement of 6% in relation to the RF classification derived 
                         solely from OLI data. The RF models using OLI multispectral 
                         metrics performed better than RF models using PALSAR-2 L-band dual 
                         polarization attributes. However, the major contribution of 
                         PALSAR-2 in the savannahs was to discriminate low biomass classes 
                         such as savannah grassland and wooded savannah. RESUMO: Na 
                         por{\c{c}}{\~a}o norte da Amaz{\^o}nia brasileira, as savanas, 
                         florestas estacionais e terras agropecu{\'a}rias formam uma 
                         paisagem complexa, onde o mapeamento de uso e cobertura da terra 
                         {\'e} uma tarefa desafiadora. Nesse trabalho, dados Landsat-8/OLI 
                         e ALOS-2/PALSAR-2 foram combinados para mapeamento de 17 classes 
                         de uso e cobertura da terra usando o algoritmo Random Forest. O 
                         potencial de cada conjunto de dados foi analisado separadamente e 
                         em compara{\c{c}}{\~a}o ao modelo h{\'{\i}}brido. Os 
                         resultados mostraram que o modelo h{\'{\i}}brido com as 
                         polariza{\c{c}}{\~o}es PALSAR-2 HH/HV e seis bandas de 
                         reflect{\^a}ncia do OLI produziu os melhores resultados, com 
                         acur{\'a}cia global de 83% e Kappa de 0,81. Isto representou um 
                         aumento de 6% em rela{\c{c}}{\~a}o {\`a} 
                         classifica{\c{c}}{\~a}o das bandas do OLI somente. Os modelos 
                         usando os dados {\'o}pticos produziram resultados melhores do que 
                         os do SAR. Entretanto, a maior contribui{\c{c}}{\~a}o do 
                         PALSAR-2 foi melhorar a discrimina{\c{c}}{\~a}o de classes de 
                         savana com menor biomassa, como os campos limpos e campos 
                         cerrados.",
                  doi = "10.1590/S1982-21702018000200017",
                  url = "http://dx.doi.org/10.1590/S1982-21702018000200017",
                 issn = "1982-2170",
             language = "en",
           targetfile = "pavanelli_palsar.pdf",
        urlaccessdate = "28 abr. 2024"
}