@MastersThesis{Carneiro:2019:DeMuCo,
author = "Carneiro, Rebeca Suely Gabriella Soares",
title = "Detec{\c{c}}{\~a}o de mudan{\c{c}}a da cobertura da terra
usando dados polarizados multifrequ{\^e}ncia na Amaz{\^o}nia
brasileira",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2019",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2019-08-20",
keywords = "radar de abertura sint{\'e}tica, banda L, banda C, Floresta
Nacional de Tapaj{\'o}s, sensoriamento remoto, synthetic aperture
radar, L-band, C-band, Tapaj{\'o}s National Forest, remote
sensing.",
abstract = "Os impactos ambientais provocados pelo desmatamento de florestas
tropicais comprometem a prote{\c{c}}{\~a}o da biodiversidade e
dos recursos naturais. O monitoramento constante dessas
regi{\~o}es {\'e} importante para a poss{\'{\i}}vel
preven{\c{c}}{\~a}o e controle do desmatamento, bem como para o
entendimento da din{\^a}mica do processo de mudan{\c{c}}a
decorrente. A maioria dos programas de monitoramento dos biomas
brasileiros utilizam dados de sensores {\'o}pticos. Entretanto,
sistemas de sensores {\'o}pticos possuem limita{\c{c}}{\~a}o
quanto na obten{\c{c}}{\~a}o de dados livres de nuvens na
Amaz{\^o}nia. Sat{\'e}lites imageadores que operam na faixa de
frequ{\^e}ncia de micro-ondas s{\~a}o pouco afetados pela
cobertura de nuvens, possibilitando a observa{\c{c}}{\~a}o das
din{\^a}micas da cobertura da terra e do seu monitoramento. Nesse
contexto, o objetivo principal desse estudo foi avaliar o
potencial do uso de dados SAR (Radar de Abertura Sint{\'e}tica)
multifrequ{\^e}ncia provenientes dos sat{\'e}lites ALOS-2 e
Sentinel-1A para a detec{\c{c}}{\~a}o de mudan{\c{c}}as da
cobertura da terra em uma {\'a}rea situada na Floresta Nacional
de Tapaj{\'o}s e {\'a}reas pr{\'o}ximas entre os anos de 2014 e
2016. Para este prop{\'o}sito as imagens SAR polarim{\'e}tricas
nas bandas L e C foram classificadas, separadas e em conjunto, em
diferentes modelagens estat{\'{\i}}sticas pelo algoritmo de
M{\'a}xima Verossimilhan{\c{c}}a associada com o algoritmo
Iteracted Conditional Modes a fim de discriminar cinco classes de
interesse. Com base nos dados polarizados univariados, bivariados
e multivariados obteve-se 29 resultados de
classifica{\c{c}}{\~a}o para cada ano estudado. A partir de uma
an{\'a}lise visual e observa{\c{c}}{\~a}o das matrizes
m{\'e}dias de confus{\~a}o, concluiu-se que a separabilidade das
classes de floresta e vegeta{\c{c}}{\~a}o secund{\'a}ria
n{\~a}o foi bem-sucedida, havendo necessidade de uma etapa de
p{\'o}s-classifica{\c{c}}{\~a}o em 2014 utilizando a
m{\'a}scara de floresta do PRODES (Projeto de Monitoramento do
Desmatamento da Floresta Amaz{\^o}nica Brasileira por
Sat{\'e}lite). Os resultados foram validados utilizando amostras
de valida{\c{c}}{\~a}o a partir da simula{\c{c}}{\~a}o de
Monte Carlo atrav{\'e}s de mil intera{\c{c}}{\~o}es, onde foi
feito o ranking de cada ano a partir do valor estimado do kappa
m{\'e}dio de cada grupo. O ranking permitiu a
explora{\c{c}}{\~a}o dos resultados classificat{\'o}rios em
rela{\c{c}}{\~a}o aos conjuntos de canais de dados SAR pelo tipo
de dado de entrada, frequ{\^e}ncias e canais utilizados. Os
resultados demonstraram que o uso de dados multivariados produziu
classifica{\c{c}}{\~o}es de qualidade superior as demais, com
kappa estimado da primeira posi{\c{c}}{\~a}o de 0.82 para 2014 e
0.44 para 2016. A banda L (comprimento de onda de 15 a 30 cm) se
destacou nos rankings de ambos os anos, produzindo resultados mais
significativos comparados a banda C (comprimento de onda de 3,75 a
7,5 cm) quanto ao mapeamento da cobertura da terra. Por fim, a
combina{\c{c}}{\~a}o dos canais VH e VV apresentaram melhores
resultados na discrimina{\c{c}}{\~a}o das classes estudadas. No
que se refere a an{\'a}lise de mudan{\c{c}}a entre 2014 e 2016,
houve modifica{\c{c}}{\~o}es quanto a cobertura florestal
prim{\'a}ria (FP). Com a metodologia proposta, n{\~a}o foi
poss{\'{\i}}vel identificar transi{\c{c}}{\~o}es ocorridas
entre FP e VS (vegeta{\c{c}}{\~a}o secund{\'a}ria). Os
cen{\'a}rios de mudan{\c{c}}a evidenciaram que as
transi{\c{c}}{\~o}es da classe de FP est{\~a}o associadas ao
pasto sujo, seguidas por pasto limpo e agricultura. {\'A}reas de
concord{\^a}ncia entre pol{\'{\i}}gonos de mudan{\c{c}}as da
cobertura florestal detectados com pol{\'{\i}}gonos de
desflorestamento do PRODES foram constatados. De modo geral, a
utiliza{\c{c}}{\~a}o de dados SAR para o mapeamento da cobertura
da terra e detec{\c{c}}{\~a}o de mudan{\c{c}}as foi
satisfat{\'o}rio. Este trabalho contribui para corroborar com a
import{\^a}ncia da aplica{\c{c}}{\~a}o de dados SAR para
auxiliar nos programas de monitoramento existentes. ABSTRACT:
Environmental impacts caused by deforestation of tropical forests
compromise the protection of biodiversity and natural resources.
Constant monitoring of these regions is important for the possible
prevention and control of deforestation, as well as for
understanding the dynamics of the resulting change process. Most
Brazilian biome monitoring programs use data from optical sensors.
However, optical sensor systems have limitations in obtaining
cloud-free data in the Amazon. Imaging satellites operating in the
microwave frequency range are little affected by cloud cover,
making it possible to observe the dynamics of land cover and its
monitoring. In this context, the main objective of this study was
to evaluate the potential of using multi-frequency SAR (Synthetic
Aperture Radar) data from the ALOS-2 and Sentinel-1A satellites to
detect land cover changes in an area located in the National
Forest of Tapaj{\'o}s and nearby areas between 2014 and 2016. For
this purpose polarimetric SAR images in the L and C bands were
classified, separately and together, in different statistical
modeling by the Maximum Likelihood algorithm associated with the
Iteracted Conditional Modes algorithm in order to discriminate
five classes of interest. Based on univariate, bivariate and
multivariate polarized data, 29 classification results were
obtained for each year studied. From a visual analysis and
observation of the average confusion matrices, it was concluded
that the separability of forest classes and secondary vegetation
was not successful, requiring a post-classification step in 2014
using the forest mask from PRODES (Brazilian Amazon Rainforest
Deforestation Monitoring Project by Satellite). The results were
validated using validation samples from Monte Carlo simulation
through one thousand interactions, where each year was ranked from
the estimated average kappa value of each group. The ranking
allowed the exploration of the classification results in relation
to the SAR data channel sets by the input data type, frequencies
and channels used. The results showed that the use of multivariate
data produced higher quality ratings than the others, with
estimated first position kappa of 0.82 for 2014 and 0.44 for 2016.
The L band (wavelength 15 to 30 cm) stood out in the rankings of
both years, yielding more significant results compared to band C
(wavelength from 3.75 to 7.5 cm) for land cover mapping. Finally,
the combination of VH and VV channels presented better results in
the discrimination of the studied classes. Regarding the change
analysis between 2014 and 2016, there were modifications regarding
the primary forest cover (PF). With the proposed methodology, it
was not possible to identify transitions that occurred between PF
and VS (secondary vegetation). The change scenarios showed that PF
class transitions are associated with dirty pasture, followed by
clean pasture and agriculture. Areas of agreement between forest
cover change polygons detected with PRODES deforestation polygons
were found. Overall, the use of SAR data for land cover mapping
and change detection was satisfactory. This work corroborates the
importance of applying SAR data to assist existing monitoring
programs.",
committee = "Kampel, Silvana Amaral (presidente) and Sant'Anna, Sidnei
Jo{\~a}o Siqueira (orientador) and Almeida, Cl{\'a}udio
Aparecido (orientador) and Mura, Jos{\'e} Claudio and Boggione,
Giovanni de Araujo",
englishtitle = "Land cover change detection using multi-frequency polarimetric
data in the Amaz{\^o}nia brasileira",
language = "pt",
pages = "145",
ibi = "8JMKD3MGP3W34R/3U79NKS",
url = "http://urlib.net/ibi/8JMKD3MGP3W34R/3U79NKS",
targetfile = "publicacao.pdf",
urlaccessdate = "25 abr. 2024"
}