Interpretação de imagens multitemporais de sensoriamento remoto.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UERJ |
Texto Completo: | http://www.bdtd.uerj.br/handle/1/10816 |
Resumo: | Multitemporal remote sensing data analysis is concerned to the thematic mapping of land use in different instances of time, aiming to identify changes in land cover/use in such period. Most multitemporal studies in the literature, while producing the thematic mapping, merely perform separate supervised automatic classifications of the remote sensing images. That is the so-called monotemporal approach, in which the classification process do not take advantage of the temporal dynamics knowledge. Recent essays conducted over the past decade had indicated that the use of a model of knowledge about the dynamics of the region (temporal transformation model) based on Fuzzy Markov Chains (FMC) provides superior results than the supervised monotemporal classifiers. This master's dissertation focuses on one aspect of such approach still not enough investigated: the combination of FMC for short time intervals to classify images of longer periods. Herein, the study area is a forest remnant in the municipality of Londrina, Paraná, in south of Brazil, which encompasses the borders of the Mata dos Godoy State Park. The database is composed by five Landsat 5 TM images, each one acquired five years after the previous. The experiments showed that the use of Fuzzy Markov Chains to model the temporal dynamics can improve the performance of the classification process, while compared to the conventional monotemporal approach. Besides, it could be observed that the more recent is the past information the better is the classification performance. Other important aspect that could be noticed was the reduction of the superiority of direct estimation of FMC over its extrapolation, as well temporal distance increases. This approach can contribute to the increment of the degree of automation of multitemporal images sequence classification. Considering the improvement in the classification performance, its application could also speed up the land use / cover monitoring. |
id |
UERJ_f6f9575745451b8604f68538bd5d1114 |
---|---|
oai_identifier_str |
oai:www.bdtd.uerj.br:1/10816 |
network_acronym_str |
UERJ |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
repository_id_str |
2903 |
spelling |
Mota, Guilherme Lucio Abelhahttp://lattes.cnpq.br/4657870977403568Costa, Gilson Alexandre Ostwald Pedro dahttp://lattes.cnpq.br/1321820478036793Vicenz, Raúl Sánchezhttp://lattes.cnpq.br/8745326804306646Feitosa, Raul Queirozhttp://lattes.cnpq.br/8934962824316146http://lattes.cnpq.br/3027371082208966Alves, Andrei Olak2021-01-06T14:05:00Z2012-03-262011-06-01ALVES, Andrei Olak. Interpretação de imagens multitemporais de sensoriamento remoto.. 2011. 99 f. Dissertação (Mestrado em Geomática) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2011.http://www.bdtd.uerj.br/handle/1/10816Multitemporal remote sensing data analysis is concerned to the thematic mapping of land use in different instances of time, aiming to identify changes in land cover/use in such period. Most multitemporal studies in the literature, while producing the thematic mapping, merely perform separate supervised automatic classifications of the remote sensing images. That is the so-called monotemporal approach, in which the classification process do not take advantage of the temporal dynamics knowledge. Recent essays conducted over the past decade had indicated that the use of a model of knowledge about the dynamics of the region (temporal transformation model) based on Fuzzy Markov Chains (FMC) provides superior results than the supervised monotemporal classifiers. This master's dissertation focuses on one aspect of such approach still not enough investigated: the combination of FMC for short time intervals to classify images of longer periods. Herein, the study area is a forest remnant in the municipality of Londrina, Paraná, in south of Brazil, which encompasses the borders of the Mata dos Godoy State Park. The database is composed by five Landsat 5 TM images, each one acquired five years after the previous. The experiments showed that the use of Fuzzy Markov Chains to model the temporal dynamics can improve the performance of the classification process, while compared to the conventional monotemporal approach. Besides, it could be observed that the more recent is the past information the better is the classification performance. Other important aspect that could be noticed was the reduction of the superiority of direct estimation of FMC over its extrapolation, as well temporal distance increases. This approach can contribute to the increment of the degree of automation of multitemporal images sequence classification. Considering the improvement in the classification performance, its application could also speed up the land use / cover monitoring.Estudos multitemporais de dados de sensoriamento remoto dedicam-se ao mapeamento temático de uso da terra em diferentes instâncias de tempo com o objetivo de identificar as mudanças ocorridas em uma região em determinado período. Em sua maioria, os trabalhos de classificação automática supervisionada de imagens de sensoriamento remoto não utilizam um modelo de transformação temporal no processo de classificação. Pesquisas realizadas na última década abriram um importante precedente ao comprovarem que a utilização de um modelo de conhecimento sobre a dinâmica da região (modelo de transformação temporal), baseado em Cadeias de Markov Fuzzy (CMF), possibilita resultados superiores aos produzidos pelos classificadores supervisionados monotemporais. Desta forma, o presente trabalho enfoca um dos aspectos desta abordagem pouco investigados: a combinação de CMF de intervalos de tempo curtos para classificar imagens de períodos longos. A área de estudo utilizada nos experimentos é um remanescente florestal situado no município de Londrina-PR e que abrange todo o limite do Parque Estadual Mata dos Godoy. Como dados de entrada, são utilizadas cinco imagens do satélite Landsat 5 TM com intervalo temporal de cinco anos. De uma forma geral, verificou-se, a partir dos resultados experimentais, que o uso das Cadeias de Markov Fuzzy contribuiu significativamente para a melhoria do desempenho do processo de classificação automática em imagens orbitais multitemporais, quando comparado com uma classificação monotemporal. Ainda, pôde-se observar que as classificações com base em matrizes estimadas para períodos curtos sempre apresentaram resultados superiores aos das classificações com base em matrizes estimadas para períodos longos. Também, que a superioridade da estimação direta frente à extrapolação se reduz com o aumento da distância temporal. Os resultados do presente trabalho poderão servir de motivação para a criação de sistemas automáticos de classificação de imagens multitemporais. O potencial de sua aplicação se justifica pela aceleração do processo de monitoramento do uso e cobertura da terra, considerando a melhoria obtida frente a classificações supervisionadas tradicionais.Submitted by Boris Flegr (boris@uerj.br) on 2021-01-06T14:05:00Z No. of bitstreams: 2 Andrei Olak Alves_Capa.pdf: 18394 bytes, checksum: 0fdba711aec8c411079682c8ab610229 (MD5) Andrei Olak Alves.pdf: 3321407 bytes, checksum: 824db76d4ba80a533e5c7384bc230310 (MD5)Made available in DSpace on 2021-01-06T14:05:00Z (GMT). No. of bitstreams: 2 Andrei Olak Alves_Capa.pdf: 18394 bytes, checksum: 0fdba711aec8c411079682c8ab610229 (MD5) Andrei Olak Alves.pdf: 3321407 bytes, checksum: 824db76d4ba80a533e5c7384bc230310 (MD5) Previous issue date: 2011-06-01Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade do Estado do Rio de JaneiroPrograma de Pós-Graduação em Engenharia da ComputaçãoUERJBRCentro de Tecnologia e Ciências::Instituto PolitécnicoRemote sensingInterpretation of multitemporal imagesFuzzy Markov chainsAutomatic supervised classificationSensoriamento remotoInterpretação de imagens multitemporaisCadeias de Markov FuzzyClassificação automática supervisionadaCNPQ::ENGENHARIASInterpretação de imagens multitemporais de sensoriamento remoto.Interpretation of multitemporal remote sensing image.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJORIGINALAndrei Olak Alves_Capa.pdfapplication/pdf18394http://www.bdtd.uerj.br/bitstream/1/10816/1/Andrei+Olak+Alves_Capa.pdf0fdba711aec8c411079682c8ab610229MD51Andrei Olak Alves.pdfapplication/pdf3321407http://www.bdtd.uerj.br/bitstream/1/10816/2/Andrei+Olak+Alves.pdf824db76d4ba80a533e5c7384bc230310MD521/108162024-02-27 15:12:46.102oai:www.bdtd.uerj.br:1/10816Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-27T18:12:46Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false |
dc.title.por.fl_str_mv |
Interpretação de imagens multitemporais de sensoriamento remoto. |
dc.title.alternative.eng.fl_str_mv |
Interpretation of multitemporal remote sensing image. |
title |
Interpretação de imagens multitemporais de sensoriamento remoto. |
spellingShingle |
Interpretação de imagens multitemporais de sensoriamento remoto. Alves, Andrei Olak Remote sensing Interpretation of multitemporal images Fuzzy Markov chains Automatic supervised classification Sensoriamento remoto Interpretação de imagens multitemporais Cadeias de Markov Fuzzy Classificação automática supervisionada CNPQ::ENGENHARIAS |
title_short |
Interpretação de imagens multitemporais de sensoriamento remoto. |
title_full |
Interpretação de imagens multitemporais de sensoriamento remoto. |
title_fullStr |
Interpretação de imagens multitemporais de sensoriamento remoto. |
title_full_unstemmed |
Interpretação de imagens multitemporais de sensoriamento remoto. |
title_sort |
Interpretação de imagens multitemporais de sensoriamento remoto. |
author |
Alves, Andrei Olak |
author_facet |
Alves, Andrei Olak |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Mota, Guilherme Lucio Abelha |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4657870977403568 |
dc.contributor.advisor-co1.fl_str_mv |
Costa, Gilson Alexandre Ostwald Pedro da |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/1321820478036793 |
dc.contributor.referee1.fl_str_mv |
Vicenz, Raúl Sánchez |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/8745326804306646 |
dc.contributor.referee2.fl_str_mv |
Feitosa, Raul Queiroz |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/8934962824316146 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/3027371082208966 |
dc.contributor.author.fl_str_mv |
Alves, Andrei Olak |
contributor_str_mv |
Mota, Guilherme Lucio Abelha Costa, Gilson Alexandre Ostwald Pedro da Vicenz, Raúl Sánchez Feitosa, Raul Queiroz |
dc.subject.eng.fl_str_mv |
Remote sensing Interpretation of multitemporal images Fuzzy Markov chains Automatic supervised classification |
topic |
Remote sensing Interpretation of multitemporal images Fuzzy Markov chains Automatic supervised classification Sensoriamento remoto Interpretação de imagens multitemporais Cadeias de Markov Fuzzy Classificação automática supervisionada CNPQ::ENGENHARIAS |
dc.subject.por.fl_str_mv |
Sensoriamento remoto Interpretação de imagens multitemporais Cadeias de Markov Fuzzy Classificação automática supervisionada |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS |
description |
Multitemporal remote sensing data analysis is concerned to the thematic mapping of land use in different instances of time, aiming to identify changes in land cover/use in such period. Most multitemporal studies in the literature, while producing the thematic mapping, merely perform separate supervised automatic classifications of the remote sensing images. That is the so-called monotemporal approach, in which the classification process do not take advantage of the temporal dynamics knowledge. Recent essays conducted over the past decade had indicated that the use of a model of knowledge about the dynamics of the region (temporal transformation model) based on Fuzzy Markov Chains (FMC) provides superior results than the supervised monotemporal classifiers. This master's dissertation focuses on one aspect of such approach still not enough investigated: the combination of FMC for short time intervals to classify images of longer periods. Herein, the study area is a forest remnant in the municipality of Londrina, Paraná, in south of Brazil, which encompasses the borders of the Mata dos Godoy State Park. The database is composed by five Landsat 5 TM images, each one acquired five years after the previous. The experiments showed that the use of Fuzzy Markov Chains to model the temporal dynamics can improve the performance of the classification process, while compared to the conventional monotemporal approach. Besides, it could be observed that the more recent is the past information the better is the classification performance. Other important aspect that could be noticed was the reduction of the superiority of direct estimation of FMC over its extrapolation, as well temporal distance increases. This approach can contribute to the increment of the degree of automation of multitemporal images sequence classification. Considering the improvement in the classification performance, its application could also speed up the land use / cover monitoring. |
publishDate |
2011 |
dc.date.issued.fl_str_mv |
2011-06-01 |
dc.date.available.fl_str_mv |
2012-03-26 |
dc.date.accessioned.fl_str_mv |
2021-01-06T14:05:00Z |
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.citation.fl_str_mv |
ALVES, Andrei Olak. Interpretação de imagens multitemporais de sensoriamento remoto.. 2011. 99 f. Dissertação (Mestrado em Geomática) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2011. |
dc.identifier.uri.fl_str_mv |
http://www.bdtd.uerj.br/handle/1/10816 |
identifier_str_mv |
ALVES, Andrei Olak. Interpretação de imagens multitemporais de sensoriamento remoto.. 2011. 99 f. Dissertação (Mestrado em Geomática) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2011. |
url |
http://www.bdtd.uerj.br/handle/1/10816 |
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.publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia da Computação |
dc.publisher.initials.fl_str_mv |
UERJ |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Centro de Tecnologia e Ciências::Instituto Politécnico |
publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UERJ instname:Universidade do Estado do Rio de Janeiro (UERJ) instacron:UERJ |
instname_str |
Universidade do Estado do Rio de Janeiro (UERJ) |
instacron_str |
UERJ |
institution |
UERJ |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
collection |
Biblioteca Digital de Teses e Dissertações da UERJ |
bitstream.url.fl_str_mv |
http://www.bdtd.uerj.br/bitstream/1/10816/1/Andrei+Olak+Alves_Capa.pdf http://www.bdtd.uerj.br/bitstream/1/10816/2/Andrei+Olak+Alves.pdf |
bitstream.checksum.fl_str_mv |
0fdba711aec8c411079682c8ab610229 824db76d4ba80a533e5c7384bc230310 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ) |
repository.mail.fl_str_mv |
bdtd.suporte@uerj.br |
_version_ |
1792352302383759360 |