Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10451/38308 |
Resumo: | Tese de mestrado em Engenharia Geográfica, Universidade de Lisboa, Faculdade de Ciências, 2019 |
id |
RCAP_169e811fd6ef3d5d1bad691891eefa45 |
---|---|
oai_identifier_str |
oai:repositorio.ul.pt:10451/38308 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2SPOT-7Sentinel-1Sentinel-2ICNFClassificação automática de imagens,Rede neuronalMáxima verosimilhançaTeses de mestrado - 2019Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e TecnologiasTese de mestrado em Engenharia Geográfica, Universidade de Lisboa, Faculdade de Ciências, 2019A representação cartográfica das áreas ardidas e respetiva extensão assume um papel bastante relevante como indicador de risco e para posterior prevenção, na medida em que permite assinalar e identificar áreas com particular suscetibilidade e sensibilidade, dando a conhecer os locais que deverão ser alvo de medidas mais assertivas de prevenção e combate. Deste modo, a utilização da deteção remota e dos sistemas de informação geográfica é essencial no estudo dos incêndios florestais, proporcionando uma visão mais abrangente do território no sentido da localização, delimitação, mitigação e prevenção dos mesmos. Este projeto visa a produção de cartografia das áreas ardidas da região centro de Portugal continental no ano de 2017, tendo como principal objetivo o desenvolvimento de uma metodologia que explore a complementaridade das imagens de micro-ondas e óticas adquiridas pelos satélites Sentinel-1 e Sentinel-2. A metodologia desenvolvida tem como objetivo permitir uma identificação célere do perímetro ardido e facilitar o planeamento e intervenção, conjugando as sinergias entre os satélites acima mencionados. Para a delimitação dos perímetros de fogo e a respetiva área foram utlizadas duas abordagens: (1) a aplicação de limiares com base em índices de vegetação pré e pós-incêndio e (2) a classificação automática de imagens, recorrendo aos algoritmos de máxima verosimilhança e a redes neuronais com base em diferentes conjuntos de bandas gerados a partir das imagens Sentinel-1 e Sentinel-2. Os resultados de ambas as abordagens foram validados com base numa delimitação efetuada manualmente sobre uma imagem do satélite SPOT-7 e ainda com base nos valores de área ardida identificados pelo Instituto da Conservação da Natureza e das Florestas (ICNF). A delimitação da área ardida resultante da utilização de limiares aplicados a índices pré e pós-incêndio, calculados com base nas bandas do visível e do infravermelho próximo, foi a que apresentou uma maior exatidão global, tanto na análise comparativa com a delimitação com base na imagem do satélite SPOT-7, bem como com as áreas ardidas propostas pelo ICNF, produzindo valores de 94.31% e 89.13%, respetivamente. Relativamente aos resultados obtidos através da classificação das imagens dos satélites Sentinel-1 e Sentinel-2, os melhores valores para a exatidão global e para o coeficiente kappa foram sempre obtidos com a junção dos dois tipos de imagem independentemente do algoritmo de utilização utilizado. Para todos os testes efetuados verificou-se sempre uma subestimação da área ardida e uma consequente sobrestimação da área não ardida comparativamente às áreas identificadas na imagem de maior resolução espacial (SPOT-7). A aplicação de uma rede neuronal a um conjunto de bandas com a diferença de índices de vegetação, baseados nas bandas do infravermelho próximo e do infravermelho de onda curta, e a diferença das duas polarizações produziu os melhores resultados de exatidão global e coeficiente k, respetivamente 97.04% e 91.61%. Os resultados evidenciam que área ardida identificada pelo ICNF foi, de um modo geral, sobrestimada em cerca de 25.05% face à área delimitada visualmente com base na imagem do satélite SPOT-7, a qual foi considerada neste estudo como a verdade observada no terreno.The cartographic representation of burned areas and their extent plays a very important role as a risk indicator for subsequent prevention, as it allows to identify areas with particular susceptibility and sensitivity, showing the locations that should be the target for more assertive prevention and combat measures. Thus, the use of remote sensing and geographic information systems is essential for the study of forest fires, providing a more comprehensive view of the territory in terms of locating, delimiting, mitigating and preventing them. This project aims to elaborate the cartography of burned areas in central Portugal mainland in 2017, with the main objective of developing a methodology to explore the complementarity of SAR and optical images acquired by the Sentinel-1 and Sentinel-2 satellites. The developed methodology intends to allow a fast identification of the burned perimeter and to facilitate the planning and intervention, combining the synergies between the aforementioned satellites. Two approaches were used to define the fire perimeters and the respective area: (1) the application of thresholds based on pre- and post-fire indexes and (2) the automatic classification of images, using the maximum likelihood and neural network algorithms, based on different sets of bands generated from the Sentinel-1 and Sentinel-2 images. Results of both approaches were validated on the basis of a manually delimited SPOT-7 satellite image and also based on the burned area identified by the Instituto da Conservação da Natureza e das Florestas (ICNF). For the first approach, results for the VIS+NIR spectral domain exhibited the highest overall accuracy, both when comparing with the SPOT-7 visual delimitation and the ICNF data, with a value of 94.31% and 88.93%, respectively. Regarding the second approach, using Sentinel-2 and Sentinel-1 images alone or together, the best overall accuracy and k-coefficient (97.04% and 91.61%, respectively) were always obtained when using the neural network based on the difference of indices and on both types of satellites images. Results show that the burned area identified by ICNF was generally overestimated by about 25,05% when compared with the burned area delimited visually and manually using the SPOT-7 satellite image (assumed to be the ground truth).Fernandes, João Catalão,1962-Ferreira, Ana Cristina Navarro,1968-Repositório da Universidade de LisboaAntunes, Tiago Miguel Vaz2019-05-20T14:22:54Z201920192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/38308TID:202260054porinfo: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:RCAAP2023-11-08T16:35:58Zoai:repositorio.ul.pt:10451/38308Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:52:09.361015Repositório 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 |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2 |
title |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2 |
spellingShingle |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2 Antunes, Tiago Miguel Vaz SPOT-7 Sentinel-1 Sentinel-2 ICNF Classificação automática de imagens, Rede neuronal Máxima verosimilhança Teses de mestrado - 2019 Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
title_short |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2 |
title_full |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2 |
title_fullStr |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2 |
title_full_unstemmed |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2 |
title_sort |
Cartografia das áreas ardidas de Portugal continental com recurso a imagens SAR e multiespetrais Sentinel-1 e Sentinel-2 |
author |
Antunes, Tiago Miguel Vaz |
author_facet |
Antunes, Tiago Miguel Vaz |
author_role |
author |
dc.contributor.none.fl_str_mv |
Fernandes, João Catalão,1962- Ferreira, Ana Cristina Navarro,1968- Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Antunes, Tiago Miguel Vaz |
dc.subject.por.fl_str_mv |
SPOT-7 Sentinel-1 Sentinel-2 ICNF Classificação automática de imagens, Rede neuronal Máxima verosimilhança Teses de mestrado - 2019 Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
topic |
SPOT-7 Sentinel-1 Sentinel-2 ICNF Classificação automática de imagens, Rede neuronal Máxima verosimilhança Teses de mestrado - 2019 Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
description |
Tese de mestrado em Engenharia Geográfica, Universidade de Lisboa, Faculdade de Ciências, 2019 |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-05-20T14:22:54Z 2019 2019 2019-01-01T00:00:00Z |
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/10451/38308 TID:202260054 |
url |
http://hdl.handle.net/10451/38308 |
identifier_str_mv |
TID:202260054 |
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_ |
1799134458220118016 |