Methodology for classification of land use and vegetation cover using MODIS-EVI data
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/201626 |
Resumo: | Objetivou-se neste estudo verificar a aplicabilidade do uso de séries temporais do sensor MODISEVI para o mapeamento do uso do solo e cobertura vegetal no Bioma Pampa no Estado do Rio Grande do Sul. O período de estudo compreendeu os meses de junho de 2013 até junho de 2014. Os procedimentos incluíram a utilização de imagens do Sensor MODIS, dados altimétricos e imagens noturnas, associados ao classificador hierárquico por árvore de decisão, construído utilizando o algoritmo C4.5. A abordagem proposta tem origem na consideração de que a área de estudo apresenta características variadas e, por isso, deve ser tratada simultaneamente por classificadores diferentes e intuitivos, o que justifica a escolha da árvore de decisão. Para avaliar os resultados, foram usados dados de referências extraídos de imagens do satélite Landsat 8-OLI e dados do IBGE. Na classificação utilizando a série temporal MODIS, foi encontrada uma exatidão global de 90,09% e o índice Kappa de 0,8853. Com relação aos dados de referência do IBGE, a classe soja obteve um coeficiente de correlação de 0,94, a classe arroz 0,97 e a classe Silvicultura obteve o menor valor com 0,78. As maiores similaridades espectrais foram encontradas nas classes com cobertura vegetal, como campo, floresta e silvicultura. Portanto, com o uso de dados multitemporais do sensor MODIS, combinado ao uso de dados altimétricos e imagens noturnas, é possível a geração de um mapa de uso do solo e cobertura vegetal para o bioma Pampa com exatidão aceitável, considerando as limitações da resolução do sensor MODIS. |
id |
UFRGS-2_679fe5bbf777778f913d2d087e5102a4 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/201626 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Mengue, Vagner PazFontana, Denise CybisSilva, Tatiana Silva daZanotta, Daniel CapellaScotta, Fernando Comerlato2019-11-13T03:50:51Z20191415-4366http://hdl.handle.net/10183/201626001105765Objetivou-se neste estudo verificar a aplicabilidade do uso de séries temporais do sensor MODISEVI para o mapeamento do uso do solo e cobertura vegetal no Bioma Pampa no Estado do Rio Grande do Sul. O período de estudo compreendeu os meses de junho de 2013 até junho de 2014. Os procedimentos incluíram a utilização de imagens do Sensor MODIS, dados altimétricos e imagens noturnas, associados ao classificador hierárquico por árvore de decisão, construído utilizando o algoritmo C4.5. A abordagem proposta tem origem na consideração de que a área de estudo apresenta características variadas e, por isso, deve ser tratada simultaneamente por classificadores diferentes e intuitivos, o que justifica a escolha da árvore de decisão. Para avaliar os resultados, foram usados dados de referências extraídos de imagens do satélite Landsat 8-OLI e dados do IBGE. Na classificação utilizando a série temporal MODIS, foi encontrada uma exatidão global de 90,09% e o índice Kappa de 0,8853. Com relação aos dados de referência do IBGE, a classe soja obteve um coeficiente de correlação de 0,94, a classe arroz 0,97 e a classe Silvicultura obteve o menor valor com 0,78. As maiores similaridades espectrais foram encontradas nas classes com cobertura vegetal, como campo, floresta e silvicultura. Portanto, com o uso de dados multitemporais do sensor MODIS, combinado ao uso de dados altimétricos e imagens noturnas, é possível a geração de um mapa de uso do solo e cobertura vegetal para o bioma Pampa com exatidão aceitável, considerando as limitações da resolução do sensor MODIS.This study aimed to verify the applicability of using MODIS-EVI sensor time series for land use and vegetation cover mapping in the Pampa biome, Rio Grande do Sul state, Brazil. The study period comprised the months from June 2013 to June 2014. The procedures included the use of MODIS Sensor images, altimetric data and nighttime images, associated with a hierarchical decision tree classifier, constructed using the C4.5 algorithm. The proposed approach stems from the consideration that the study area has varying characteristics and, therefore, should be treated simultaneously by different and intuitive classifiers, which justifies the choice of decision tree. To evaluate the results, reference data acquired from Landsat 8-OLI satellite images and IBGE data were used. The classification using the MODIS time series showed a global accuracy of 90.09% and Kappa index of 0.8885. When compared to the IBGE reference data, the Soybean class obtained a correlation coefficient of 0.94, the rice class obtained 0.97 and the silviculture class obtained the lowest value, 0.78. The highest spectral similarities were found in the vegetation cover classes, such as grassland, forest and silviculture. Therefore, with the use of multitemporal data from the MODIS sensor, combined with the use of altimetric data and nighttime images, it is possible to generate a land use and vegetation cover map for the Pampa biome with an acceptable accuracy, considering the MODIS sensor resolution limitations.application/pdfengRevista Brasileira de Engenharia Agrícola e Ambiental. Campina Grande. Vol. 23, n. 11 (nov. 2019), p. 812-818Sensoriamento remotoBioma PampaReconhecimento do soloCobertura vegetalSojaDecision treeSoybeanMultitemporalMethodology for classification of land use and vegetation cover using MODIS-EVI dataMetodologia para classificação de uso do solo e cobertura vegetal utilizando dados MODIS-EVI info:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001105765.pdf.txt001105765.pdf.txtExtracted Texttext/plain36945http://www.lume.ufrgs.br/bitstream/10183/201626/2/001105765.pdf.txtda7ce62f7fe35bcdb47683f7e490419fMD52ORIGINAL001105765.pdfTexto completo (inglês)application/pdf1403262http://www.lume.ufrgs.br/bitstream/10183/201626/1/001105765.pdf8f8fd8efaff92219b1aeaf62cca85918MD5110183/2016262019-11-14 04:53:58.296568oai:www.lume.ufrgs.br:10183/201626Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2019-11-14T06:53:58Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Methodology for classification of land use and vegetation cover using MODIS-EVI data |
dc.title.alternative.pt.fl_str_mv |
Metodologia para classificação de uso do solo e cobertura vegetal utilizando dados MODIS-EVI |
title |
Methodology for classification of land use and vegetation cover using MODIS-EVI data |
spellingShingle |
Methodology for classification of land use and vegetation cover using MODIS-EVI data Mengue, Vagner Paz Sensoriamento remoto Bioma Pampa Reconhecimento do solo Cobertura vegetal Soja Decision tree Soybean Multitemporal |
title_short |
Methodology for classification of land use and vegetation cover using MODIS-EVI data |
title_full |
Methodology for classification of land use and vegetation cover using MODIS-EVI data |
title_fullStr |
Methodology for classification of land use and vegetation cover using MODIS-EVI data |
title_full_unstemmed |
Methodology for classification of land use and vegetation cover using MODIS-EVI data |
title_sort |
Methodology for classification of land use and vegetation cover using MODIS-EVI data |
author |
Mengue, Vagner Paz |
author_facet |
Mengue, Vagner Paz Fontana, Denise Cybis Silva, Tatiana Silva da Zanotta, Daniel Capella Scotta, Fernando Comerlato |
author_role |
author |
author2 |
Fontana, Denise Cybis Silva, Tatiana Silva da Zanotta, Daniel Capella Scotta, Fernando Comerlato |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Mengue, Vagner Paz Fontana, Denise Cybis Silva, Tatiana Silva da Zanotta, Daniel Capella Scotta, Fernando Comerlato |
dc.subject.por.fl_str_mv |
Sensoriamento remoto Bioma Pampa Reconhecimento do solo Cobertura vegetal Soja |
topic |
Sensoriamento remoto Bioma Pampa Reconhecimento do solo Cobertura vegetal Soja Decision tree Soybean Multitemporal |
dc.subject.eng.fl_str_mv |
Decision tree Soybean Multitemporal |
description |
Objetivou-se neste estudo verificar a aplicabilidade do uso de séries temporais do sensor MODISEVI para o mapeamento do uso do solo e cobertura vegetal no Bioma Pampa no Estado do Rio Grande do Sul. O período de estudo compreendeu os meses de junho de 2013 até junho de 2014. Os procedimentos incluíram a utilização de imagens do Sensor MODIS, dados altimétricos e imagens noturnas, associados ao classificador hierárquico por árvore de decisão, construído utilizando o algoritmo C4.5. A abordagem proposta tem origem na consideração de que a área de estudo apresenta características variadas e, por isso, deve ser tratada simultaneamente por classificadores diferentes e intuitivos, o que justifica a escolha da árvore de decisão. Para avaliar os resultados, foram usados dados de referências extraídos de imagens do satélite Landsat 8-OLI e dados do IBGE. Na classificação utilizando a série temporal MODIS, foi encontrada uma exatidão global de 90,09% e o índice Kappa de 0,8853. Com relação aos dados de referência do IBGE, a classe soja obteve um coeficiente de correlação de 0,94, a classe arroz 0,97 e a classe Silvicultura obteve o menor valor com 0,78. As maiores similaridades espectrais foram encontradas nas classes com cobertura vegetal, como campo, floresta e silvicultura. Portanto, com o uso de dados multitemporais do sensor MODIS, combinado ao uso de dados altimétricos e imagens noturnas, é possível a geração de um mapa de uso do solo e cobertura vegetal para o bioma Pampa com exatidão aceitável, considerando as limitações da resolução do sensor MODIS. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-11-13T03:50:51Z |
dc.date.issued.fl_str_mv |
2019 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/other |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/201626 |
dc.identifier.issn.pt_BR.fl_str_mv |
1415-4366 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001105765 |
identifier_str_mv |
1415-4366 001105765 |
url |
http://hdl.handle.net/10183/201626 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.ispartof.pt_BR.fl_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental. Campina Grande. Vol. 23, n. 11 (nov. 2019), p. 812-818 |
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 Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/201626/2/001105765.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/201626/1/001105765.pdf |
bitstream.checksum.fl_str_mv |
da7ce62f7fe35bcdb47683f7e490419f 8f8fd8efaff92219b1aeaf62cca85918 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1815447700027473920 |