Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B

Detalhes bibliográficos
Autor(a) principal: Fábio Bueno de Lima
Data de Publicação: 2009
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
Texto Completo: http://urlib.net/sid.inpe.br/mtc-m18@80/2009/09.06.21.10
Resumo: O Sensoriamento Remoto permite a aquisição sistemática de informações sobre a superfície terrestre, bem como do mapeamento do incremento de desmatamento em floresta tropical. Um exemplo é o Projeto de Estimativa de Desflorestamento Bruto da Amazônia (PRODES), desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (INPE). Este projeto realiza o mapeamento e estimativa anual do incremento de desmatamento na Amazônia Brasileira a partir de imagens de sensores ópticos. No entanto, a constante cobertura de nuvens na Amazônia traz a necessidade do desenvolvimento de novas metodologias. Neste contexto, o sensor SAR aerotransportado R99B pode ser considerado uma importante fonte de aquisição de dados, pois as microondas praticamente não sofrem interferência atmosférica. Alguns autores têm demonstrado que a Classificação Textural não Supervisionada por Semivariograma (USTC) é um bom instrumento para discriminar padrões de cobertura do solo em imagens de radar. O objetivo deste trabalho foi avaliar a informação contida no semivariograma de dados SAR R99B, banda L multipolarizada, para discriminar incremento de desmatamento em uma região ao norte do município de São Félix do Xingu PA, através da metodologia de classificação USTC. Os resultados indicam que as informações contidas no semivariograma omnidirecional da polarização HV são eficientes para discriminar áreas que se encontram no processo final de desmatamento, corte raso, de áreas de florestas. Os resultados mostram que a classificação obteve uma acurácia elevada e Kappa = 0,57. Os erros de inclusão ocorreram em áreas sombreadas pelo relevo e os erros de omissão em áreas com remanescentes de floresta em regeneração. Esta metodologia pode ser indicada como semi-automática para mapear incremento de desmatamento na Amazônia utilizando imagens SAR do sensor R99B.
id INPE_288675b29f391f915bd56450cf3d19b7
oai_identifier_str oai:urlib.net:sid.inpe.br/mtc-m18@80/2009/09.06.21.10.44-0
network_acronym_str INPE
network_name_str Biblioteca Digital de Teses e Dissertações do INPE
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisClassificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99BClassification of deforestation Amazon with semivariogram from SAR R99B images2009-09-14Tatiana Mora KuplichDarcton Policarpo DamiãoCamilo Daleles RennóFernando Pellon MirandaFábio Bueno de LimaInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Sensoriamento RemotoINPEBRSAR R99BdesmatamentoAmazôniasemivariogramaSão Félix do XinguPASAR R99BdesforestationAmazon (Region)SemivariogramSão Félix do XinguPará (state)O Sensoriamento Remoto permite a aquisição sistemática de informações sobre a superfície terrestre, bem como do mapeamento do incremento de desmatamento em floresta tropical. Um exemplo é o Projeto de Estimativa de Desflorestamento Bruto da Amazônia (PRODES), desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (INPE). Este projeto realiza o mapeamento e estimativa anual do incremento de desmatamento na Amazônia Brasileira a partir de imagens de sensores ópticos. No entanto, a constante cobertura de nuvens na Amazônia traz a necessidade do desenvolvimento de novas metodologias. Neste contexto, o sensor SAR aerotransportado R99B pode ser considerado uma importante fonte de aquisição de dados, pois as microondas praticamente não sofrem interferência atmosférica. Alguns autores têm demonstrado que a Classificação Textural não Supervisionada por Semivariograma (USTC) é um bom instrumento para discriminar padrões de cobertura do solo em imagens de radar. O objetivo deste trabalho foi avaliar a informação contida no semivariograma de dados SAR R99B, banda L multipolarizada, para discriminar incremento de desmatamento em uma região ao norte do município de São Félix do Xingu PA, através da metodologia de classificação USTC. Os resultados indicam que as informações contidas no semivariograma omnidirecional da polarização HV são eficientes para discriminar áreas que se encontram no processo final de desmatamento, corte raso, de áreas de florestas. Os resultados mostram que a classificação obteve uma acurácia elevada e Kappa = 0,57. Os erros de inclusão ocorreram em áreas sombreadas pelo relevo e os erros de omissão em áreas com remanescentes de floresta em regeneração. Esta metodologia pode ser indicada como semi-automática para mapear incremento de desmatamento na Amazônia utilizando imagens SAR do sensor R99B.The Brazilian airborne R99B SAR sensor is an important source of remotely sensed data for studies in Amazonia. In digital classification approaches, the semivariogram is considered a useful source of spatial information. In this study the potential of Usupervised Semivariogram Textural Classification - USTC to discriminate deforestation increment was evaluated. Although some anisotropy was noticed, omnidirectional semivariograms allowed discrimination between deforestation and forest areas in R99B HV polarization SAR images, with kappa = 0,57. In general, commission errors are predominant for deforestation increment class and are due to omission errors on PRODES Digital reference map. Relief shadows are also sources of this kind of error. Omission errors of deforestation increment occurred even though it is possible to visually identify omission errors regions in the SAR image, probably because of the low semivriance difference between some primary forest and deforestation increment areas. It may happen mainly in areas where residual biomass still remains on the ground after slashing and burning; and in deforested areas where already occur an initial regrowth process. The results shown that the USTC can be indicate for mapping the deforestation increment using images from SAR R99B.http://urlib.net/sid.inpe.br/mtc-m18@80/2009/09.06.21.10info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:53:28Zoai:urlib.net:sid.inpe.br/mtc-m18@80/2009/09.06.21.10.44-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:53:28.501Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false
dc.title.pt.fl_str_mv Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B
dc.title.alternative.en.fl_str_mv Classification of deforestation Amazon with semivariogram from SAR R99B images
title Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B
spellingShingle Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B
Fábio Bueno de Lima
title_short Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B
title_full Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B
title_fullStr Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B
title_full_unstemmed Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B
title_sort Classificação de desmatamento na Amazônia com o uso de semivariogramas obtidos de imagens SAR R99B
author Fábio Bueno de Lima
author_facet Fábio Bueno de Lima
author_role author
dc.contributor.advisor1.fl_str_mv Tatiana Mora Kuplich
dc.contributor.advisor2.fl_str_mv Darcton Policarpo Damião
dc.contributor.referee1.fl_str_mv Camilo Daleles Rennó
dc.contributor.referee2.fl_str_mv Fernando Pellon Miranda
dc.contributor.author.fl_str_mv Fábio Bueno de Lima
contributor_str_mv Tatiana Mora Kuplich
Darcton Policarpo Damião
Camilo Daleles Rennó
Fernando Pellon Miranda
dc.description.abstract.por.fl_txt_mv O Sensoriamento Remoto permite a aquisição sistemática de informações sobre a superfície terrestre, bem como do mapeamento do incremento de desmatamento em floresta tropical. Um exemplo é o Projeto de Estimativa de Desflorestamento Bruto da Amazônia (PRODES), desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (INPE). Este projeto realiza o mapeamento e estimativa anual do incremento de desmatamento na Amazônia Brasileira a partir de imagens de sensores ópticos. No entanto, a constante cobertura de nuvens na Amazônia traz a necessidade do desenvolvimento de novas metodologias. Neste contexto, o sensor SAR aerotransportado R99B pode ser considerado uma importante fonte de aquisição de dados, pois as microondas praticamente não sofrem interferência atmosférica. Alguns autores têm demonstrado que a Classificação Textural não Supervisionada por Semivariograma (USTC) é um bom instrumento para discriminar padrões de cobertura do solo em imagens de radar. O objetivo deste trabalho foi avaliar a informação contida no semivariograma de dados SAR R99B, banda L multipolarizada, para discriminar incremento de desmatamento em uma região ao norte do município de São Félix do Xingu PA, através da metodologia de classificação USTC. Os resultados indicam que as informações contidas no semivariograma omnidirecional da polarização HV são eficientes para discriminar áreas que se encontram no processo final de desmatamento, corte raso, de áreas de florestas. Os resultados mostram que a classificação obteve uma acurácia elevada e Kappa = 0,57. Os erros de inclusão ocorreram em áreas sombreadas pelo relevo e os erros de omissão em áreas com remanescentes de floresta em regeneração. Esta metodologia pode ser indicada como semi-automática para mapear incremento de desmatamento na Amazônia utilizando imagens SAR do sensor R99B.
dc.description.abstract.eng.fl_txt_mv The Brazilian airborne R99B SAR sensor is an important source of remotely sensed data for studies in Amazonia. In digital classification approaches, the semivariogram is considered a useful source of spatial information. In this study the potential of Usupervised Semivariogram Textural Classification - USTC to discriminate deforestation increment was evaluated. Although some anisotropy was noticed, omnidirectional semivariograms allowed discrimination between deforestation and forest areas in R99B HV polarization SAR images, with kappa = 0,57. In general, commission errors are predominant for deforestation increment class and are due to omission errors on PRODES Digital reference map. Relief shadows are also sources of this kind of error. Omission errors of deforestation increment occurred even though it is possible to visually identify omission errors regions in the SAR image, probably because of the low semivriance difference between some primary forest and deforestation increment areas. It may happen mainly in areas where residual biomass still remains on the ground after slashing and burning; and in deforested areas where already occur an initial regrowth process. The results shown that the USTC can be indicate for mapping the deforestation increment using images from SAR R99B.
description O Sensoriamento Remoto permite a aquisição sistemática de informações sobre a superfície terrestre, bem como do mapeamento do incremento de desmatamento em floresta tropical. Um exemplo é o Projeto de Estimativa de Desflorestamento Bruto da Amazônia (PRODES), desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (INPE). Este projeto realiza o mapeamento e estimativa anual do incremento de desmatamento na Amazônia Brasileira a partir de imagens de sensores ópticos. No entanto, a constante cobertura de nuvens na Amazônia traz a necessidade do desenvolvimento de novas metodologias. Neste contexto, o sensor SAR aerotransportado R99B pode ser considerado uma importante fonte de aquisição de dados, pois as microondas praticamente não sofrem interferência atmosférica. Alguns autores têm demonstrado que a Classificação Textural não Supervisionada por Semivariograma (USTC) é um bom instrumento para discriminar padrões de cobertura do solo em imagens de radar. O objetivo deste trabalho foi avaliar a informação contida no semivariograma de dados SAR R99B, banda L multipolarizada, para discriminar incremento de desmatamento em uma região ao norte do município de São Félix do Xingu PA, através da metodologia de classificação USTC. Os resultados indicam que as informações contidas no semivariograma omnidirecional da polarização HV são eficientes para discriminar áreas que se encontram no processo final de desmatamento, corte raso, de áreas de florestas. Os resultados mostram que a classificação obteve uma acurácia elevada e Kappa = 0,57. Os erros de inclusão ocorreram em áreas sombreadas pelo relevo e os erros de omissão em áreas com remanescentes de floresta em regeneração. Esta metodologia pode ser indicada como semi-automática para mapear incremento de desmatamento na Amazônia utilizando imagens SAR do sensor R99B.
publishDate 2009
dc.date.issued.fl_str_mv 2009-09-14
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://urlib.net/sid.inpe.br/mtc-m18@80/2009/09.06.21.10
url http://urlib.net/sid.inpe.br/mtc-m18@80/2009/09.06.21.10
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.publisher.program.fl_str_mv Programa de Pós-Graduação do INPE em Sensoriamento Remoto
dc.publisher.initials.fl_str_mv INPE
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do INPE
instname:Instituto Nacional de Pesquisas Espaciais (INPE)
instacron:INPE
reponame_str Biblioteca Digital de Teses e Dissertações do INPE
collection Biblioteca Digital de Teses e Dissertações do INPE
instname_str Instituto Nacional de Pesquisas Espaciais (INPE)
instacron_str INPE
institution INPE
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)
repository.mail.fl_str_mv
publisher_program_txtF_mv Programa de Pós-Graduação do INPE em Sensoriamento Remoto
contributor_advisor1_txtF_mv Tatiana Mora Kuplich
_version_ 1706809352456765440