Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas

Detalhes bibliográficos
Autor(a) principal: Saraiva, Cátia Sofia Alves
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/20682
Resumo: Tese de mestrado, Engenharia Geográfica, Universidade de Lisboa, Faculdade de Ciências, 2015
id RCAP_137691a01eabf8996e9be7f909cdb6b5
oai_identifier_str oai:repositorio.ul.pt:10451/20682
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolasSentinel-1SARDupla polarizaçãoLandsat-8Classificação multitemporalTeses de mestrado - 2015Departamento de Engenharia Geográfica, Geofísica e EnergiaTese de mestrado, Engenharia Geográfica, Universidade de Lisboa, Faculdade de Ciências, 2015O presente estudo tem como finalidade avaliar a potencialidade das imagens SAR (Synthetic Aperture RADAR) do satélite Sentinel-1 com dupla polarização (VV/VH) para a identificação de culturas na zona agrícola de Vila Franca de Xira (lezíria e mouchões). Ao longo do trabalho é analisado em que medida a utilização de canais adicionais de informação derivada destas imagens pode melhorar os resultados obtidos da classificação de imagens do satélite Landsat-8. Para identificar as diferentes culturas presentes na zona estudo, utilizaram-se séries temporais das imagens Landsat-8 e Sentinel-1, abrangendo a época de crescimento das culturas (de maio a julho de 2015). A informação derivada das imagens do satélite Sentinel-1 consistiu nos coeficientes de retrodispersão nas polarizações VV e VH, quocientes entre polarizações e diferenças entre polarizações. Numa primeira fase, avaliou-se qual o algoritmo e combinação de parâmetros (óticos e SAR) que permitiram obter os melhores resultados na classificação. Foram testados diferentes algoritmos de classificação nomeadamente, Máxima Verosimilhança (ML – Maximum Likelihood), Redes Neuronais (NN – Neural Network) e Máquina de Suporte Vetorial (SVM - Support Vector Machine). Posteriormente, a partir da combinação e classificador selecionados realizou-se a classificação multitemporal. Os resultados foram testados e validados com informação do Sistema de Identificação de Parcelas (SIP) fornecido pelo Instituto de Financiamento da Agricultura e Pescas (IFAP). Adicionalmente, efetuou-se o estudo da fenologia das culturas através dos valores dos coeficientes de retrodispersão e do Índice de Vegetação de Diferença Normalizada (NDVI – Normalized Difference Vegetation Index). Verificou-se que a adição de informação SAR às bandas espetrais Landsat-8 permitiu melhorar os resultados obtidos. A combinação que permitiu obter os melhores resultados foi a junção das bandas Landsat-8 em conjunto com o coeficiente de retrodispersão para a polarização VH, utilizando o algoritmo de classificação SVM. A classificação multitemporal desta combinação permitiu melhorar resultados, tendo sido obtida uma precisão global de 94,1%, face aos 90,2% obtidos apenas com as bandas correspondentes à data com maior desenvolvimento das culturas, e um coeficiente Kappa de 91,2%.The aim of this study is to evaluate the potential of Sentinel-1 SAR (Synthetic Aperture RADAR) images with dual polarization (VV/VH) for the identification of different crops in the agricultural area of Vila Franca de Xira. Throughout the work, the potential of using additional information, derived from these images, to improve the performance of the Landsat-8 images classification was evaluated. In order to identify the different crops present in the study area, Landsat-8 and Sentinel-1 time series covering the growing season (from May to July 2015) were used. The information derived from the Sentinel-1 images consisted of backscattering coefficients for the VV and VH polarization, polarization ratios and differences. Initially, the classification algorithm and parameter’s combination (optical and SAR) which retrieved the best results were evaluated. Different classification algorithms were tested, namely the Maximum Likelihood (ML), Neural Network (NN) and Support Vector Machine (SVM). Then, using the selected combination and classifier the multi-temporal classification was performed. The results were tested and validated sing data from the Parcel Identification System (SIP – Sistema de Identificação de Parcelas) provided by the Instituto de Financiamento de Agricultura e Pescas (IFAP). Additionally, the crops phenology study was carried out based on the backscattering coefficients and the Normalized Difference Vegetation Index (NDVI). The addition of SAR information to the Landsat-8 spectral bands has improved the results. The combination that produced the best results was the junction of the Landsat-8 bands with the VH polarization backscattering, using the SVM classification algorithm. The multi-temporal classification performed with this combination enable an improvement of the results, with an overall accuracy of 94.1%, when compared to the 90.2% obtained with the bands of the date with the most crop development, and a Kappa coefficient of 91.2%.Ferreira, Ana Cristina Navarro, 1968-Repositório da Universidade de LisboaSaraiva, Cátia Sofia Alves2015-12-02T15:25:09Z201520152015-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/20682TID:201370921porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:06:20Zoai:repositorio.ul.pt:10451/20682Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:38:37.952020Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas
title Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas
spellingShingle Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas
Saraiva, Cátia Sofia Alves
Sentinel-1
SAR
Dupla polarização
Landsat-8
Classificação multitemporal
Teses de mestrado - 2015
Departamento de Engenharia Geográfica, Geofísica e Energia
title_short Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas
title_full Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas
title_fullStr Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas
title_full_unstemmed Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas
title_sort Avaliação do potencial das imagens Sentinel-1 para identificação de culturas agrícolas
author Saraiva, Cátia Sofia Alves
author_facet Saraiva, Cátia Sofia Alves
author_role author
dc.contributor.none.fl_str_mv Ferreira, Ana Cristina Navarro, 1968-
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Saraiva, Cátia Sofia Alves
dc.subject.por.fl_str_mv Sentinel-1
SAR
Dupla polarização
Landsat-8
Classificação multitemporal
Teses de mestrado - 2015
Departamento de Engenharia Geográfica, Geofísica e Energia
topic Sentinel-1
SAR
Dupla polarização
Landsat-8
Classificação multitemporal
Teses de mestrado - 2015
Departamento de Engenharia Geográfica, Geofísica e Energia
description Tese de mestrado, Engenharia Geográfica, Universidade de Lisboa, Faculdade de Ciências, 2015
publishDate 2015
dc.date.none.fl_str_mv 2015-12-02T15:25:09Z
2015
2015
2015-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/20682
TID:201370921
url http://hdl.handle.net/10451/20682
identifier_str_mv TID:201370921
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134286595489792

Registros relacionados