%0 Thesis
%4 sid.inpe.br/mtc-m21d/2024/01.23.16.50
%2 sid.inpe.br/mtc-m21d/2024/01.23.16.50.45
%T Avaliação de métodos de limiarização de imagens Sentinel-1 para o mapeamento de superfícies de águas abertas de lagos de várzea do baixo Rio Amazonas
%J Assessment of Sentinel-1 image thresholding methods for mapping open water in flooded lakes of the lower Amazon River
%D 2024
%8 2023-12-15
%9 Dissertação (Mestrado em Sensoriamento Remoto)
%P 93
%A Pegolo, Fellipe Lousada,
%E Barbosa, Cláudio Clemente Faria (presidente),
%E Novo, Evlyn Márcia Leão de Moraes (orientadora),
%E Maciel, Daniel Andrade (orientador),
%E Mura, Jose Claudio,
%E Andrade, Alice César Fassoni de,
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K Sentinel-1, Amazônia, águas abertas, Sentinel-1, Amazon, open water.
%X O conhecimento sobre a variabilidade espacial e temporal de águas abertas (AA), ou seja, aquelas sem a presença de vegetação, é crucial para diversos campos de pesquisa, como a hidrologia, a biogeoquímica, a geomorfologia, a ecologia, entre outros. No entanto, adquirir esses dados de AA é um desafio em vastas regiões, especialmente na Amazônia brasileira. Desde 1980, os dados de sensoriamento remoto orbital vêm sendo explorados como alternativa, apesar das limitações relativas à cobertura de nuvem constante que impacta os dados ópticos em missões devido à baixa frequência de aquisição e à baixa resolução espacial dos dados passivos de micro-ondas, então disponíveis. As poucas missões SAR, com livre acesso aos dados e alta frequência de aquisição, também dificultaram a obtenção de séries temporais AA até o lançamento dos satélites Sentinel-1A e 1B (S1) em 2014 e 2016, respectivamente. Portanto, este estudo tem como objetivo avaliar o potencial de diferentes métodos de limiarização (Empírico: supervisionado e Otsu: não supervisionado) de imagens polarimétricas SAR S1 (VV e VH) para gerar séries temporais com uma frequência de 12 dias (órbita descendente) das AA do Lago Grande de Curuai (LGC), situado no Baixo Rio Amazonas, Estado do Pará. Utilizando a plataforma Google Earth Engine (GEE) e dados SAR S1 disponíveis em seu catálogo, foram criadas máscaras de AA a partir dos métodos analisados. Essas máscaras foram validadas estatisticamente com métricas como acurácia global (AG), sensibilidade (S) e especificidade (E), e comparadas com imagens Sentinel-2 quase simultâneas. Além disso, foram analisados fatores que podem afetar a precisão dessas máscaras (nível de água, precipitação, cobertura de nuvens e eventos ENSO) para auxiliar na determinação do método mais adequado para extrair séries temporais VV e VH de AA (STAAVV e STAAVH). Os métodos Empíricos de limiarização para as polarizações VV e VH se destacaram em termos de métricas de acurácia e avaliações visuais quando comparados ao método Otsu. Embora o método Empírico com limiar de -17 dB para VV tenha apresentado maior acurácia (OA, S e E), verificou-se que em algumas condições, as máscaras geradas por esse método e polarização apresentaram lacunas (áreas que não são águas abertas (NAA)), devido principalmente à influência de nuvens carregadas, células de chuva e águas agitadas, causadas por forças hidráulicas e eólicas que afetam a velocidade e direção dos fluxos entre o Rio Amazonas e o LGC. As lacunas das máscaras de água ocasionaram em uma STAAVV ruidosa. Em contrapartida o método Empírico com limiar de -23 dB para VH por ser menos sensível a esses fatores resultou na STAAVH mais estável e coerente com os eventos climáticos de estiagens relacionadas ao El Niño e de inundações associadas ao La Niña. ABSTRACT: The knowledge about the spatial and temporal variability of open waters, i.e., those without the presence of vegetation, is crucial for various research fields such as hydrology, biogeochemistry, geomorphology, ecology, among others. However, acquiring open waters data is challenging in vast regions, especially in the Brazilian Amazon. Since the 1980s, orbital remote sensing data have been explored as an alternative, despite limitations regarding constant cloud cover impacting optical data in missions due to low acquisition frequency and low spatial resolution of passive microwave data then available. The few SAR missions, with free access to data and high acquisition frequency, also hindered obtaining open waters time series until the launch of Sentinel-1A and 1B (S1) satellites in 2014 and 2016, respectively. Therefore, this study aims to evaluate the potential of different thresholding methods (Empirical: supervised and Otsu: unsupervised) of S1 SAR polarimetric images (VV and VH) to generate time series with a frequency of 12 days (descending orbit) of open waters of Lake Grande de Curuai (LGC), located in the Lower Amazon River, State of Pará. Using the Google Earth Engine (GEE) platform and S1 SAR data available in its catalog, open waters masks were created from the analyzed methods. These masks were statistically validated with metrics such as overall accuracy, sensitivity, and specificity, and compared with quasi-simultaneous Sentinel-2 images. Furthermore, factors that may affect the accuracy of these masks (water level, precipitation, cloud cover, and ENSO events) were analyzed to assist in determining the most suitable method for extracting VV and VH OW time series (STAAVV and STAAVH). Empirical thresholding methods for VV and VH polarizations stood out in terms of accuracy metrics and visual evaluations when compared to the Otsu method. Although the Empirical method with a threshold of -17 dB for VV presented higher accuracy, it was found that under some conditions, masks generated by this method and polarization showed gaps (areas that are not open waters), mainly due to the influence of heavy clouds, rain cells, and agitated waters caused by hydraulic and wind forces affecting the speed and direction of flow between the Amazon River and LGC. The gaps in water masks resulted in noisy STAAVV. In contrast, the Empirical method with a threshold of -23 dB for VH, being less sensitive to these factors, resulted in a more stable and coherent STAAVH with drought-related climatic events associated with El Niño and flooding associated with La Niña.
%@language pt
%3 publicacao.pdf