Methodology for classification of land use and vegetation cover using MODIS-EVI data

Detalhes bibliográficos
Autor(a) principal: Mengue, Vagner Paz
Data de Publicação: 2019
Outros Autores: Fontana, Denise Cybis, Silva, Tatiana Silva da, Zanotta, Daniel Capella, Scotta, Fernando Comerlato
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