@MastersThesis{CastroeSilva:2023:LaUsLa,
author = "Castro e Silva, Baggio Luiz de",
title = "Land use and land cover mapping and spatiotemporal segmentation
based on image time series clustering",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2023",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2023-01-30",
keywords = "satellite image time series, LULC Classification, spatiotemporal
segmentation, inland water bodies, clustering methods, s{\'e}ries
temporais de imagem de sat{\'e}lite, classifica{\c{c}}{\~a}o de
uso e cobertura, segmenta{\c{c}}{\~a}o espa{\c{c}}o temporal,
corpos d’{\'a}gua interiores, m{\'e}todos de agrupamento.",
abstract = "Land use and land cover mapping is fundamental in various
applications such as environmental monitoring, public policy
support, territorial management, and many others. The quality of
this mapping directly affects its applications, reflecting the
quality of the product and the methods used. Many images have been
produced with different spatial, temporal, and spectral
technologies through technological advances in remote sensing. In
addition to producing these resources, open access policies
favored the mapping and dissemination of various national and
international land use and land cover products. One of the oldest
and most widely used techniques in this mapping process is
segmentation, which aims to find homogeneous regions in the image
based on some attribute. However, this technique only considers
information from a single image, which can be affected depending
on the cloud cover. One such technique is spatiotemporal
segmentation, which aims to find homogeneous regions in space and
time. Therefore, this dissertation proposes a spatiotemporal
segmentation method and a land use and land cover classification
method using clustering methods with a {"}time-first,
space-later{"} approach. These methods are based on unsupervised
algorithms: Self-Organizing Map (SOM) and the Hierarchical
Clustering Algorithm (HCA), where the input data are time series
extracted from the satellite images to be mapped. Finally, a
method for interpolating clouds in the time series of satellite
images using Deep Learning was proposed since this is a crucial
step in clustering methods that use distance as a similarity
requirement. The three proposed approaches were examined, adhering
to visual and quantitative assessment principles. In the
spatiotemporal segmentation, the methodology was applied to a
heterogeneous region southeast of Mato Grosso state. For land use
and land cover classification, six distinct regions with varied
characteristics of inland waters were selected, which served as a
training base and were later applied in four other regions for
mapping inland waters. Regarding cloud interpolation in time
series, time series distributed throughout Brazil were chosen,
using the Sentinel-2/MSI cloud mask (Scene Classification Layer -
SCL) as the basis for reference interpolation. RESUMO: O
mapeamento de uso e cobertura da terra tem papel fundamental em
diversas aplica{\c{c}}{\~o}es como no monitoramento ambiental,
no suporte {\`a} pol{\'{\i}}ticas p{\'u}blicas, na gest{\~a}o
territorial, entre outras. A qualidade desse mapeamento impacta
diretamente nas suas aplica{\c{c}}{\~o}es, sendo este o reflexo
da qualidade do produto e das metodologias utilizadas.
Gra{\c{c}}as ao avan{\c{c}}o tecnol{\'o}gico na {\'a}rea de
sensoriamento remoto nos {\'u}ltimos anos, grandes volumes de
imagens v{\^e}m sendo produzidos com diferentes
resolu{\c{c}}{\~o}es espaciais, temporais e espectrais. Aliadas
{\`a} produ{\c{c}}{\~a}o destes recursos, as pol{\'{\i}}ticas
de acesso aberto favoreceram o mapeamento e a
dissemina{\c{c}}{\~a}o de diferentes produtos de uso e cobertura
da terra nacionais e internacionais. Uma das t{\'e}cnicas mais
antigas e difundidas neste processo de mapeamento {\'e} a
segmenta{\c{c}}{\~a}o, que visa encontrar regi{\~o}es
homog{\^e}neas na imagem com base em algum atributo. Entretanto,
esta t{\'e}cnica considera apenas informa{\c{c}}{\~a}o de uma
{\'u}nica imagem, que pode ser prejudicada dependendo da
cobertura de nuvem. Uma variante desta t{\'e}cnica {\'e} a
Segmenta{\c{c}}{\~a}o espa{\c{c}}otemporal, que tem como
objetivo n{\~a}o s{\'o} encontrar regi{\~o}es homog{\^e}neas
no espa{\c{c}}o mas tamb{\'e}m no tempo. Desta maneira, esta
disserta{\c{c}}{\~a}o prop{\~o}e um m{\'e}todo
segmenta{\c{c}}{\~a}o espa{\c{c}}otemporal e um m{\'e}todo de
classifica{\c{c}}{\~a}o de uso e cobertura da terra, baseados em
m{\'e}todos de clusteriza{\c{c}}{\~a}o utilizando uma abordagem
time-first, space-later. Estes m{\'e}todos t{\^e}m como base os
algoritmos n{\~a}o supervisionados: Self- Organizing Map (SOM) e
o Hierarchical Clustering Algorithm (HCA), em que os dados de
entrada s{\~a}o s{\'e}ries temporais extra{\'{\i}}das das
pr{\'o}prias imagens de sat{\'e}lite a serem mapeadas. Por fim
foi proposto um m{\'e}todo de interpola{\c{c}}{\~a}o de nuvens
em s{\'e}ries temporais de imagens de sat{\'e}lite utilizando
deep learning visto que esse {\'e} um passo crucial em
metodologias de clustering que usam a dist{\^a}ncia como
crit{\'e}rio de similaridade. As tr{\^e}s abordagens propostas
foram examinadas, aderindo aos princ{\'{\i}}pios de
avalia{\c{c}}{\~a}o visual e quantitativa. Na
segmenta{\c{c}}{\~a}o espa{\c{c}}otemporal, aplicou-se a
metodologia em uma regi{\~a}o heterog{\^e}nea localizada no
sudeste do Estado de Mato Grosso. Para a classifica{\c{c}}{\~a}o
de uso e cobertura, selecionaram-se seis regi{\~o}es distintas
com caracter{\'{\i}}sticas variadas de {\'a}guas interiores, as
quais serviram como base de treinamento e foram posteriormente
aplicadas em quatro outras regi{\~o}es para o mapeamento de
{\'a}guas interiores. No que concerne {\`a}
interpola{\c{c}}{\~a}o de nuvens em s{\'e}ries temporais, foram
escolhidas s{\'e}ries temporais distribu{\'{\i}}das por todo o
Brasil, utilizando-se a m{\'a}scara de nuvem Sentinel-2/MSI
(Scene Classification Layer - SCL) como base para
interpola{\c{c}}{\~a}o de refer{\^e}ncia.",
committee = "K{\"o}rting, Thales Sehn (presidente) and Gomes, Karine Reis
Ferreira (orientadora) and Queiroz, Gilberto Ribeiro de
(orientador) and Santos, Rafael Duarte Coelho dos and Neves, Alana
Kasahara",
englishtitle = "Mapeamento do uso e cobertura do solo com base em
segmenta{\c{c}}{\~a}o e agrupamento de s{\'e}ries temporais",
language = "en",
pages = "64",
ibi = "8JMKD3MGP3W34T/48DF32P",
url = "http://urlib.net/ibi/8JMKD3MGP3W34T/48DF32P",
targetfile = "publicacao.pdf",
urlaccessdate = "03 maio 2024"
}