1. Identificação | |
Tipo de Referência | Artigo em Revista Científica (Journal Article) |
Site | mtc-m21b.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W34P/3J9S7FS |
Repositório | sid.inpe.br/mtc-m21b/2015/04.07.19.25 |
Última Atualização | 2015:04.07.19.26.21 (UTC) administrator |
Repositório de Metadados | sid.inpe.br/mtc-m21b/2015/04.07.19.25.35 |
Última Atualização dos Metadados | 2021:02.24.03.36.26 (UTC) administrator |
DOI | 10.1590/1809-4392201401439 |
ISSN | 0044-5967 |
Chave de Citação | FurtadoSilvFernNovo:2015:LaCoCl |
Título | Land cover classification of Lago Grande de Curuai floodplain (Amazon, Brazil) using multi-sensor and image fusion techniques |
Ano | 2015 |
Data de Acesso | 20 abr. 2024 |
Tipo de Trabalho | journal article |
Tipo Secundário | PRE PN |
Número de Arquivos | 1 |
Tamanho | 4860 KiB |
|
2. Contextualização | |
Autor | 1 Furtado, Luiz Felipe de Almeida 2 Silva, Thiago Sanna Freire 3 Fernandes, Pedro José Farias 4 Novo, Evlyn Márcia Leão de Moraes |
Identificador de Curriculo | 1 2 3 4 8JMKD3MGP5W/3C9JH39 |
Grupo | 1 YYY-OBT-INPE-MCTI-GOV-BR 2 3 4 DSR-OBT-INPE-MCTI-GOV-BR |
Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Universidade Estadual Paulista (UNESP) 3 Universidade Federal Fluminense (UFF) 4 Instituto Nacional de Pesquisas Espaciais (INPE) |
Endereço de e-Mail do Autor | 1 furtadosere@gmail.com 2 3 4 evlyn@ltid.inpe.br |
Revista | Acta Amazonica |
Volume | 45 |
Número | 2 |
Páginas | 195-202 |
Nota Secundária | A2_GEOGRAFIA A2_INTERDISCIPLINAR A2_PLANEJAMENTO_URBANO_E_REGIONAL_/_DEMOGRAFIA A2_CIÊNCIAS_AMBIENTAIS B1_EDUCAÇÃO B2_ENGENHARIAS_II B2_ANTROPOLOGIA_/_ARQUEOLOGIA B2_BIODIVERSIDADE B2_GEOCIÊNCIAS B2_CIÊNCIAS_AGRÁRIAS_I B2_ENGENHARIAS_III B2_SAÚDE_COLETIVA B2_SOCIOLOGIA B3_MEDICINA_I B3_CIÊNCIA_DE_ALIMENTOS B3_MEDICINA_VETERINÁRIA B3_ENGENHARIAS_I B3_FARMÁCIA B3_QUÍMICA B3_ECONOMIA B3_ZOOTECNIA_/_RECURSOS_PESQUEIROS B3_MEDICINA_II B3_EDUCAÇÃO_FÍSICA B4_BIOTECNOLOGIA B4_CIÊNCIAS_BIOLÓGICAS_III B4_DIREITO B5_CIÊNCIAS_BIOLÓGICAS_I B5_CIÊNCIAS_BIOLÓGICAS_II C_ASTRONOMIA_/_FÍSICA |
Histórico (UTC) | 2015-04-07 19:25:35 :: simone -> administrator :: 2021-02-24 03:36:26 :: administrator -> simone :: 2015 |
|
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 | wetlands remote sensing synthetic aperture radar áreas úmidas sensoriamento remoto radar de abertura sintética |
Resumo | Dadas as limitações de diferentes tipos de imagens de sensores remotos, classificações automáticas do uso e cobertura do solo na várzea Amazônica podem resultar em índices de acurácia insatisfatórios. Uma das maneiras de melhorar esses índices é através da combinação de dados de distintos sensores, por fusão de imagens ou através de classificações multi-sensores. Desta forma, o presente estudo teve o objetivo de determinar qual método de classificação é mais eficiente em melhorar os índices de acurácia das classificações do uso e cobertura do solo para a várzea Amazônica e áreas úmidas similares - (a) a fusão sintética de imagens SAR e ópticas ou (b) a classificação multi-sensor de imagens ópticas e SAR pareadas. Classificações da cobertura do solo com base em imagens de um único sensor (Landsat TM ou Radarsat-2) foram comparadas com as classificações multi-sensor e classificações baseadas em fusão de imagens. A análise de imagens baseada em objetos (OBIA) e o algoritmo de mineração de dados J.48 foram utilizados para realizar a classificação automática, cuja precisão foi avaliada com o índice kappa e com as medidas de discordância de alocação e de quantidade, recentemente propostas na literatura. Em geral, as classificações baseadas em imagens ópticas apresentaram melhor precisão do que as classificações baseadas em dados SAR. Uma vez que ambos os conjuntos de dados foram combinados em uma abordagem multi-sensores, houve uma redução de 2% no erro de alocação da classificação, uma vez que o método foi capaz de superar parte das limitações presentes em ambas as imagens. Contudo, a precisão diminuiu quando foram usados métodos de fusão de imagens. Concluiu-se que o método de classificação multi-sensor é mais apropriado para classificações de uso do solo na várzea amazônica. ABSTRACT: Given the limitations of different types of remote sensing images, automated land-cover classifications of the Amazon várzea may yield poor accuracy indexes. One way to improve accuracy is through the combination of images from different sensors, by either image fusion or multi-sensor classifications. Therefore, the objective of this study was to determine which classification method is more efficient in improving land cover classification accuracies for the Amazon várzea and similar wetland environments - (a) synthetically fused optical and SAR images or (b) multi-sensor classification of paired SAR and optical images. Land cover classifications based on images from a single sensor (Landsat TM or Radarsat-2) are compared with multi-sensor and image fusion classifications. Object-based image analyses (OBIA) and the J.48 data-mining algorithm were used for automated classification, and classification accuracies were assessed using the kappa index of agreement and the recently proposed allocation and quantity disagreement measures. Overall, optical-based classifications had better accuracy than SAR-based classifications. Once both datasets were combined using the multi-sensor approach, there was a 2% decrease in allocation disagreement, as the method was able to overcome part of the limitations present in both images. Accuracy decreased when image fusion methods were used, however. We therefore concluded that the multi-sensor classification method is more appropriate for classifying land cover in the Amazon várzea. |
Área | SRE |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Land cover classification... |
Arranjo 2 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > YYY-PCI-CGOBT > Land cover classification... |
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/8JMKD3MGP3W34P/3J9S7FS |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34P/3J9S7FS |
Idioma | en |
Arquivo Alvo | furtado_land cover.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 | |
Repositório Espelho | urlib.net/www/2011/03.29.20.55 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ER446E 8JMKD3MGPCW/448AS3H |
Lista de Itens Citando | sid.inpe.br/bibdigital/2021/02.24.03.34 2 sid.inpe.br/mtc-m21/2012/07.13.14.45.43 1 |
Divulgação | WEBSCI; PORTALCAPES; SCIELO; SCOPUS. |
Acervo Hospedeiro | sid.inpe.br/mtc-m21b/2013/09.26.14.25.20 |
|
6. Notas | |
Campos Vazios | alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark 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 | |
|