1. Identificação | |
Tipo de Referência | Artigo em Revista Científica (Journal Article) |
Site | mtc-m21c.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W34R/439GC7P |
Repositório | sid.inpe.br/mtc-m21c/2020/09.18.11.23 |
Última Atualização | 2020:09.18.11.23.21 (UTC) simone |
Repositório de Metadados | sid.inpe.br/mtc-m21c/2020/09.18.11.23.21 |
Última Atualização dos Metadados | 2022:01.04.01.35.24 (UTC) administrator |
DOI | 10.11137/2020_2_381_391 |
ISSN | 0101-9759 |
Chave de Citação | DinizMaciGamaAdam:2020:AvSeNd |
Título | Avaliação do sentinel-2, ndvi e mlme para mapeamento do uso e cobertura da terra |
Ano | 2020 |
Data de Acesso | 13 maio 2024 |
Tipo de Trabalho | journal article |
Tipo Secundário | PRE PN |
Número de Arquivos | 1 |
Tamanho | 683 KiB |
|
2. Contextualização | |
Autor | 1 Diniz, Juliana Maria Ferreira de Souza 2 Maciel, Daniel Andrade 3 Gama, Fábio Furlan 4 Adami, Marcos |
Identificador de Curriculo | 1 2 3 8JMKD3MGP5W/3C9JH3P |
Grupo | 1 SER-SRE-SESPG-INPE-MCTIC-GOV-BR 2 SER-SRE-SESPG-INPE-MCTIC-GOV-BR 3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR 4 CRCRA-COCRE-INPE-MCTIC-GOV-BR |
Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Instituto Nacional de Pesquisas Espaciais (INPE) |
Endereço de e-Mail do Autor | 1 juju-dinizsvm@hotmail.com 2 daniel.maciel@inpe.br 3 fabio@dpi.inpe.br 4 marcos.adami@inpe.br |
Revista | Anuário do Instituto de Geociências |
Volume | 43 |
Número | 2 |
Páginas | 381-391 |
Nota Secundária | A2_PLANEJAMENTO_URBANO_E_REGIONAL_/_DEMOGRAFIA B2_INTERDISCIPLINAR B2_GEOGRAFIA B2_ENGENHARIAS_III B2_ENGENHARIAS_I B2_BIODIVERSIDADE B3_GEOCIÊNCIAS B3_CIÊNCIAS_AMBIENTAIS B4_CIÊNCIAS_SOCIAIS_APLICADAS_I B5_MEDICINA_VETERINÁRIA B5_ENSINO C_ASTRONOMIA_/_FÍSICA |
Histórico (UTC) | 2020-09-18 11:23:21 :: simone -> administrator :: 2020-09-18 11:23:22 :: administrator -> simone :: 2020 2020-09-18 11:23:34 :: simone -> administrator :: 2020 2022-01-04 01:35:24 :: administrator -> simone :: 2020 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Tipo do Conteúdo | External Contribution |
Tipo de Versão | publisher |
Palavras-Chave | classificação orientada a objeto Random Forest simulação de Monte Carlo object-based classification Random Forest Monte Carlo simulation |
Resumo | A floresta amazônica é considerada um dos maiores reservatórios de carbono da Terra. No entanto, mudanças antrópicas indiscriminadas no uso e cobertura da terra, como a conversão da floresta em áreas agrícolas e pastagens, provocam grandes impactos ambientais na floresta. A utilização de técnicas que auxiliam o mapeamento do uso e cobertura da terra se torna cada vez mais necessária. Índices como o NDVI (Índice de Vegetação por Diferença Normalizada) e MLME (Modelo Linear de Mistura Espectral) são amplamente utilizados para estudos da vegetação, por permitirem analisar e realçar parâmetros e feições em imagens de sensoriamento remoto. Desse modo, o objetivo deste trabalho foi avaliar o desempenho do mapeamento do uso e cobertura da terra (LULC), utilizando dados do satélite Sentinel-2B, adicionado com o índice de vegetação NDVI e com o MLME, utilizando o classificador Random Forest (RF). Para a realização deste estudo, foram utilizadas imagens do sensor MSI do Sentinel-2B e calculados os índices NDVI e MLME, derivados da imagem Sentinel-2B. A partir da segmentação da imagem, foi realizada a extração de atributos para cada segmento. A classificação foi realizada pelo método RF e a validação foi realizada através da simulação de Monte Carlo, observando-se os valores de índice Kappa e Acurácia Global (AG). Para avaliar a diferença obtida com a adição das variáveis NDVI e MLME, quatro cenários de classificação foram r ealizados. Notou-se que os c enários apresentaram resultados semelhantes de índice Kappa e AG, não apresentando diferença significativa entre eles. A utilização das faixas espectrais do Sentinel-2B/MSI se mostrou uma boa alternativa para realizar o mapeamento do uso e cobertura da terra, facilitando as etapas de processamento. No entanto, a inclusão do MLME para a separação da classe Floresta Degradada (FD), se mostrou significativa. Além disso, observou-se que a utilização do classificador RF apresenta bons resultados para o mapeamento do uso e cobertura da terra. ABSTRACT: The Amazon Rainforest is considered one of the largest carbon reservoirs on Earth. However, indiscriminate anthropogenic land use and land cover changes, such as the conversion of forest to agricultural areas and pasture, generate large environmental impacts. The use of remote sensing techniques which helps mapping land use and land cover (LULC) becomes increasingly necessary. Vegetation indices such as NDVI (Normalized Difference Vegetation Index) and the Spectral Linear Mixing Model (MLME) are widely used for mapping and vegetation studies, because they allow analyzing and highlighting vegetation parameters and features in remotely sensed imagery. Thus, the aim of this paper was to evaluate the performance of land use and land cover (LULC) mapping using Sentinel-2B satellite data, added with the NDVI vegetation index and MLME using the Random Forest (RF) classifier. For this study, we used Sentinel-2B/ MSI images and both NDVI and MLME were calculated from Sentinel-2B bands. From image segmentation, attribute extraction was performed for each segment. The classification was performed by the RF method and validated using a Monte Carlo Simulation, observing Kappa and Global Accuracy (GA) values. To evaluate the gain obtained with the addition of NDVI and MLME variables, four classification scenarios were performed. We noticed that these scenarios presented similar results of Kappa index and GA, with no significant difference between them. The use of the Sentinel-2B/ MSI spectral bands showed a good alternative to mapping LULC, facilitating processing steps. However, the inclusion of the MLME for separation of the Degraded Forest (DF) class showed to be significant. In addition, it was shown that the use of the Random Forest classifier presents good results for the LULC mapping. |
Área | SRE |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Avaliação do sentinel-2,... |
Arranjo 2 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > CRCRA > Avaliação do sentinel-2,... |
Arranjo 3 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Avaliação do sentinel-2,... |
Arranjo 4 | urlib.net > BDMCI > Fonds > LabISA > Avaliação do sentinel-2,... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | não têm arquivos |
Conteúdo da Pasta agreement | |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34R/439GC7P |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34R/439GC7P |
Idioma | en |
Arquivo Alvo | diniz2020.pdf |
Grupo de Usuários | simone |
Grupo de Leitores | administrator simone |
Visibilidade | shown |
Política de Arquivamento | allowpublisher allowfinaldraft |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3EQCCU5 8JMKD3MGPCW/3EUAE4H 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/439EAFB |
Lista de Itens Citando | sid.inpe.br/bibdigital/2020/09.18.00.06 6 sid.inpe.br/bibdigital/2013/10.18.22.34 5 sid.inpe.br/mtc-m21/2012/07.13.14.45.57 1 |
Divulgação | PORTALCAPES |
Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 |
|
6. Notas | |
Campos Vazios | alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark mirrorrepository month nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url |
|
7. Controle da descrição | |
e-Mail (login) | simone |
atualizar | |
|