| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21c.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34R/3T298T8 | |||||||||
| Repositório | sid.inpe.br/mtc-m21c/2019/03.25.13.40 | |||||||||
| Última Atualização | 2019:07.04.16.35.08 (UTC) simone | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21c/2019/03.25.13.40.04 | |||||||||
| Última Atualização dos Metadados | 2019:07.09.18.22.43 (UTC) administrator | |||||||||
| Chave Secundária | INPE-18186-TDI/2873 | |||||||||
| Chave de Citação | Dutra:2019:MaMoCo | |||||||||
| Título | Mapeamento e monitoramento da cobertura vegetal do Estado da Bahia utilizando dados multitemporais de sensores ópticos orbitais  | |||||||||
| Título Alternativo | Mapping and monitoring of vegetation cover in the Bahia state using multitemporal data from optical orbital sensors | |||||||||
| Curso | SER-SRE-SESPG-INPE-MCTIC-GOV-BR | |||||||||
| Ano | 2019 | |||||||||
| Data | 2019-03-29 | |||||||||
| Data de Acesso | 04 maio 2024 | |||||||||
| Tipo da Tese | Dissertação (Mestrado em Sensoriamento Remoto) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 139 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 6830 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | Dutra, Andeise Cerqueira | |||||||||
| Banca | Körting, Thales Sehn (presidente) Shimabukuro, Yosio Edemir (orientador) Arai, Egidio (orientador) Sampaio, Cláudia Bloisi Vaz | |||||||||
| Endereço de e-Mail | andeise.dutra@inpe.br | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2019-03-25 13:42:13 :: andeise.dutra@inpe.br -> pubtc@inpe.br :: 2019-03-26 16:58:04 :: pubtc@inpe.br -> andeise.dutra@inpe.br :: 2019-05-23 20:33:20 :: andeise.dutra@inpe.br -> pubtc@inpe.br :: 2019-05-24 17:50:45 :: pubtc@inpe.br -> andeise.dutra@inpe.br :: 2019-05-28 12:50:43 :: andeise.dutra@inpe.br -> pubtc@inpe.br :: 2019-06-24 14:17:48 :: pubtc@inpe.br -> administrator :: 2019-07-04 16:33:51 :: administrator -> simone :: 2019-07-04 16:35:08 :: simone -> administrator :: 2019-07-08 13:55:17 :: administrator -> simone :: 2019-07-08 13:58:15 :: simone :: -> 2019 2019-07-08 13:58:16 :: simone -> administrator :: 2019 2019-07-09 18:22:43 :: administrator -> :: 2019 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | Modelo linear de mistura espectral moderate resolution imaging spectroradiometer random forest Nordeste Bahia linear spectral mixture model moderate resolution imaging spectroradiometer random forest Northeast Bahia state | |||||||||
| Resumo | Conhecer a extensão e as taxas de degradação da terra para proteger os ecossistemas terrestres de um maior esgotamento, tem sido uma das questões mais importantes do nosso tempo. Entretanto, o Nordeste brasileiro tem sido negligenciado e pobremente estudado tanto em termos de programas de conservação quanto de investigação científica. Os produtos de Sensoriamento Remoto tornaram-se uma importante fonte de informações para monitorar as mudanças de cobertura da terra, no entanto, ainda é escasso o número de estudos para detectar e monitorar a vegetação de clima semiárido. Nesse contexto, o estado da Bahia foi selecionado para a realização desta pesquisa por possuir diversas formações vegetais e apresentar significativa mudança no uso e cobertura da terra. Devido à alta incidência de nuvens no estado, os produtos provenientes do sensor MODIS foram utilizados por apresentarem alta resolução temporal. Assim, esta pesquisa teve por objetivo propor uma abordagem de mapeamento e monitoramento do uso e cobertura da terra para o estado da Bahia utilizando dados multitemporais provenientes do sensor MODIS, abrangendo o período entre 2000 e 2017. Os objetivos específicos foram: a) estimar endmembers (pixels puros) a partir de imagens de melhor resolução espacial (30 m) do sensor OLI/Landsat 8 para posterior aplicação do Modelo Linear de Mistura Espectral (MLME) nos produtos provenientes do sensor MODIS (250 m) ; b) gerar uma série temporal de imagens fração derivadas do MLME entre 2000 e 2017 utilizando os endmembers estimados na fase anterior; c) gerar mosaicos das imagens fração calculando o valor máximo anual das proporções para os anos de 2000 e 2017; d) gerar dois mapas temáticos base de uso e cobertura da terra (LULC Land Use and Land Cover) no estado da Bahia para os anos 2000 e 2017 utilizando os mosaicos gerados na fase anterior, aplicando o classificador Random Forest; e) avaliar as acurácias dos mapas de LULC obtidos; e f) analisar qualitativamente as séries temporais das imagens fração obtidas para todo o período analisado. Os resultados obtidos foram: 1) os endmembers estimados permitiram a melhoria dos resultados no que se refere ao erro, a variabilidade e a identificação das proporções dos componentes existentes nas imagens, visto a dificuldade na determinação dos endmembers e que a escolha indevida de pixels considerados como puros em produtos de baixa e moderada resolução espacial pode afetar a qualidade das imagens fração para uso operacional; 2) a abordagem utilizando as imagens fração contendo a proporção máxima anual dos componentes reduziu o volume de dados, ao mesmo tempo em que permitiu a separação das classes de LULC em função da associação entre as proporções de vegetação, solo e sombra, extraindo as características relacionadas aos padrões anuais das classes de LULC; 3) Os mapas de LULC para os anos de 2000 e 2017 obtiveram acurácias totais de 0,77 e 0,67, respectivamente, gerando a hipótese de que a seca severa que atingiu o Nordeste entre 2012 e 2017 influenciou o pior desempenho do classificador utilizado; 4) o uso de séries temporais das imagens fração permitiu o monitoramento das mudanças ocorridas na vegetação e também os impactos que podem estar associados aos eventos de seca. Assim, a abordagem aqui apresentada demonstra a potencialidade das imagens fração para a classificação e monitoramento semiautomático da cobertura vegetal a nível global e regional. ABSTRACT: Knowing the extent and rates of land degradation to protect terrestrial ecosystems from further depletion has been one of the most important issues of our time. However, the Brazilian Northeast has been neglected and poorly studied both in terms of conservation programs and scientific research. Remote Sensing products have become an important source of information for monitoring changes in land cover, however, there are still few studies to detect and monitor semi-arid vegetation. In this context, the state of Bahia was selected to carry out this research because it has diverse vegetation formations and presents a significant change in land use and land cover (LULC). Due to the high incidence of clouds in the Bahia state, the products from MODIS sensor were used because it presents a high temporal resolution. The purpose of this research was to propose a mapping and monitoring approach to land use and land cover for the state of Bahia using multitemporal data from MODIS sensor, covering the period between 2000 and 2017. The specific objectives were: a) to estimate endmembers (pure pixels) from images of higher spatial resolution (30 m) of OLI / Landsat 8 sensor for later application of the Linear Spectral Mixture Model (LSMM) in products from MODIS sensor (250 m spatial resolution) ; b) to generate a time series of fraction images derived from the MLME between 2000 and 2017 using the estimated endmembers in the previous phase; c) to generate mosaics of the fraction images by calculating the maximum annual value of the proportions for the years 2000 and 2017; d) to generate two LULC thematic maps in the state of Bahia for the years 2000 and 2017 using the mosaics generated in the previous phase, applying the Random Forest classifier; e) to evaluate the accuracy of the LULC maps obtained; and f) qualitatively analyse the time series of the fraction images obtained for the entire analysed period. The results obtained were: 1) the estimated endmembers allowed the improvement of the results regarding error, variability and identification of the components proportions in the images, due to the difficulty in determining the endmembers and that the undue choice of considered pixels as pure in low and moderate spatial resolution products can affect the quality of the fraction images for operational use; 2) the approach using the fraction images containing the maximum annual proportion of the components reduced the data volume, while allowing the separation of LULC classes due to the association between vegetation, soil and shade proportions, extracting the characteristics related to the annual LULC class patterns; 3) The LULC maps for the years 2000 and 2017 obtained a global accuracy of 0.77 and 0.67, respectively, generating the hypothesis that the severe drought that reached the Northeast between 2012 and 2017 influenced the worse performance of the classifier; 4) the use of time series of the fraction images allowed to monitoring the changes occurred in the vegetation and also the impacts that may be associated to the drought events. Thus, the approach presented here demonstrates the potentiality of the fraction images for the semiautomatic classification and monitoring of vegetation cover at global and regional level. | |||||||||
| Área | SRE | |||||||||
| Arranjo | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Mapeamento e monitoramento... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34R/3T298T8 | |||||||||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34R/3T298T8 | |||||||||
| Idioma | pt | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | andeise.dutra@inpe.br gabinete@inpe.br pubtc@inpe.br | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Permissão de Leitura | allow from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | urlib.net/www/2017/11.22.19.04.03 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S | |||||||||
| Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||