Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/MPBB-8F8FTG |
Resumo: | A Mata Atlântica é um bioma brasileiro de muita importância e que vem sofrendo grande degradação ao longo dos anos. No estudo e monitoramento deste bioma diversas metodologias de classificação e análise através do uso de sensoriamento remoto já foram utilizadas. No presente estudo foi abordado o uso da técnica de textura através da matriz de co-ocorrência (GLCM). A aplicação desta ferramenta para a melhora na acurácia de classificação que utiliza somente dados espectrais e o uso das medidas de textura para a predição das variáveis alométricas de campo foi testada obtendo bons resultados. Para isto foram amostrados os três estágios sucessionais (inicial, médio e·avançado) de Floresta Ombrófila Densa do sul da Bahia. Os dados coletados e derivados dos levantamentos de campo, DAP, altura, volume e densidade, foram correlacionados com as medidas de textura. As medidas de textura trabalhadas foram o contraste, a entropia, a correlação, o momento diferencial inverso, o segundo momento angular e a energia. Equações lineares para a predição das variáveis de campo foram produzidas com base na correlação com as medidas de textura. Com base na análise estatística dos dados de correlação entre as medidas de textura e as variáveis de campo, foi determinado que as variáveis de controle para GLCM mais eficientes para este estudo foram a distância entre pixels (3,3), com a direção diagonal frontal e o tamanho de janela de 25 x 25 pixels, com o uso da banda verde da imagem de alta resolução. A classificação utilizando somente as bandas visíveis da imagem de alta resolução obteve uma acurácia de 60,5%. A classificação das bandas do visível com as bandas de textura obteve uma acurácia de 91 %, mostrando a grande melhora em relação a acurácía da classificação de dados somente espectrais. O método de 'knockout' foi utilizado para percepção da contribuição das bandas de textura na acurácia da classificação mostrando que o uso das bandas das medidas de textura segundo momento angular e correlação são suficientes para a melhora da acurácia e com melhor eficiência processual. |
id |
UFMG_0842aef6edab0118445190cdd6af1e3b |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/MPBB-8F8FTG |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Philippe MaillardMarcos Antonio Timbo ElmiroBernardo Machado GontijoPriscila Gonçalves Couto Sette de Almeida2019-08-14T10:47:13Z2019-08-14T10:47:13Z2009-12-09http://hdl.handle.net/1843/MPBB-8F8FTGA Mata Atlântica é um bioma brasileiro de muita importância e que vem sofrendo grande degradação ao longo dos anos. No estudo e monitoramento deste bioma diversas metodologias de classificação e análise através do uso de sensoriamento remoto já foram utilizadas. No presente estudo foi abordado o uso da técnica de textura através da matriz de co-ocorrência (GLCM). A aplicação desta ferramenta para a melhora na acurácia de classificação que utiliza somente dados espectrais e o uso das medidas de textura para a predição das variáveis alométricas de campo foi testada obtendo bons resultados. Para isto foram amostrados os três estágios sucessionais (inicial, médio e·avançado) de Floresta Ombrófila Densa do sul da Bahia. Os dados coletados e derivados dos levantamentos de campo, DAP, altura, volume e densidade, foram correlacionados com as medidas de textura. As medidas de textura trabalhadas foram o contraste, a entropia, a correlação, o momento diferencial inverso, o segundo momento angular e a energia. Equações lineares para a predição das variáveis de campo foram produzidas com base na correlação com as medidas de textura. Com base na análise estatística dos dados de correlação entre as medidas de textura e as variáveis de campo, foi determinado que as variáveis de controle para GLCM mais eficientes para este estudo foram a distância entre pixels (3,3), com a direção diagonal frontal e o tamanho de janela de 25 x 25 pixels, com o uso da banda verde da imagem de alta resolução. A classificação utilizando somente as bandas visíveis da imagem de alta resolução obteve uma acurácia de 60,5%. A classificação das bandas do visível com as bandas de textura obteve uma acurácia de 91 %, mostrando a grande melhora em relação a acurácía da classificação de dados somente espectrais. O método de 'knockout' foi utilizado para percepção da contribuição das bandas de textura na acurácia da classificação mostrando que o uso das bandas das medidas de textura segundo momento angular e correlação são suficientes para a melhora da acurácia e com melhor eficiência processual.Universidade Federal de Minas GeraisUFMGVegetação ClassificaçãoModelagem de dadosMata AtlânticainterdisciplinarAnálise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahiainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALdisserta__o_priscila_sette.pdfapplication/pdf10666560https://repositorio.ufmg.br/bitstream/1843/MPBB-8F8FTG/1/disserta__o_priscila_sette.pdf4a2e392d5a833433bccdb3c6d9abd6ebMD51TEXTdisserta__o_priscila_sette.pdf.txtdisserta__o_priscila_sette.pdf.txtExtracted texttext/plain115299https://repositorio.ufmg.br/bitstream/1843/MPBB-8F8FTG/2/disserta__o_priscila_sette.pdf.txtc58a2ea4d1c90f0a3b74b59198f4c3c3MD521843/MPBB-8F8FTG2019-11-14 08:36:29.046oai:repositorio.ufmg.br:1843/MPBB-8F8FTGRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T11:36:29Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia |
title |
Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia |
spellingShingle |
Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia Priscila Gonçalves Couto Sette de Almeida interdisciplinar Vegetação Classificação Modelagem de dados Mata Atlântica |
title_short |
Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia |
title_full |
Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia |
title_fullStr |
Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia |
title_full_unstemmed |
Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia |
title_sort |
Análise de textura de imagem de alta resolução para a classificação dos estágios sucessionais de mata Atlântica do Sul da Bahia |
author |
Priscila Gonçalves Couto Sette de Almeida |
author_facet |
Priscila Gonçalves Couto Sette de Almeida |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Philippe Maillard |
dc.contributor.referee1.fl_str_mv |
Marcos Antonio Timbo Elmiro |
dc.contributor.referee2.fl_str_mv |
Bernardo Machado Gontijo |
dc.contributor.author.fl_str_mv |
Priscila Gonçalves Couto Sette de Almeida |
contributor_str_mv |
Philippe Maillard Marcos Antonio Timbo Elmiro Bernardo Machado Gontijo |
dc.subject.por.fl_str_mv |
interdisciplinar |
topic |
interdisciplinar Vegetação Classificação Modelagem de dados Mata Atlântica |
dc.subject.other.pt_BR.fl_str_mv |
Vegetação Classificação Modelagem de dados Mata Atlântica |
description |
A Mata Atlântica é um bioma brasileiro de muita importância e que vem sofrendo grande degradação ao longo dos anos. No estudo e monitoramento deste bioma diversas metodologias de classificação e análise através do uso de sensoriamento remoto já foram utilizadas. No presente estudo foi abordado o uso da técnica de textura através da matriz de co-ocorrência (GLCM). A aplicação desta ferramenta para a melhora na acurácia de classificação que utiliza somente dados espectrais e o uso das medidas de textura para a predição das variáveis alométricas de campo foi testada obtendo bons resultados. Para isto foram amostrados os três estágios sucessionais (inicial, médio e·avançado) de Floresta Ombrófila Densa do sul da Bahia. Os dados coletados e derivados dos levantamentos de campo, DAP, altura, volume e densidade, foram correlacionados com as medidas de textura. As medidas de textura trabalhadas foram o contraste, a entropia, a correlação, o momento diferencial inverso, o segundo momento angular e a energia. Equações lineares para a predição das variáveis de campo foram produzidas com base na correlação com as medidas de textura. Com base na análise estatística dos dados de correlação entre as medidas de textura e as variáveis de campo, foi determinado que as variáveis de controle para GLCM mais eficientes para este estudo foram a distância entre pixels (3,3), com a direção diagonal frontal e o tamanho de janela de 25 x 25 pixels, com o uso da banda verde da imagem de alta resolução. A classificação utilizando somente as bandas visíveis da imagem de alta resolução obteve uma acurácia de 60,5%. A classificação das bandas do visível com as bandas de textura obteve uma acurácia de 91 %, mostrando a grande melhora em relação a acurácía da classificação de dados somente espectrais. O método de 'knockout' foi utilizado para percepção da contribuição das bandas de textura na acurácia da classificação mostrando que o uso das bandas das medidas de textura segundo momento angular e correlação são suficientes para a melhora da acurácia e com melhor eficiência processual. |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-12-09 |
dc.date.accessioned.fl_str_mv |
2019-08-14T10:47:13Z |
dc.date.available.fl_str_mv |
2019-08-14T10:47:13Z |
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/1843/MPBB-8F8FTG |
url |
http://hdl.handle.net/1843/MPBB-8F8FTG |
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 |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/MPBB-8F8FTG/1/disserta__o_priscila_sette.pdf https://repositorio.ufmg.br/bitstream/1843/MPBB-8F8FTG/2/disserta__o_priscila_sette.pdf.txt |
bitstream.checksum.fl_str_mv |
4a2e392d5a833433bccdb3c6d9abd6eb c58a2ea4d1c90f0a3b74b59198f4c3c3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589401319571456 |