Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado

Detalhes bibliográficos
Autor(a) principal: Silva, Vanessa Souza
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio2.unb.br/jspui/handle/10482/47353
Resumo: Dissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geociências Aplicadas, 2019.
id UNB_4771ff0053f69a47665e08f50f12a389
oai_identifier_str oai:repositorio2.unb.br:10482/47353
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Silva, Vanessa Souzavanessa.geosensoremoto@gmail.comSano, Edson Eyji2024-01-18T19:58:55Z2024-01-18T19:58:55Z2024-01-172019-03-12SILVA, Vanessa Souza. Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado. 2019. xvi, 89 f., il. Dissertação (Mestrado em Geociências Aplicadas) — Universidade de Brasília, Brasília, 2019.http://repositorio2.unb.br/jspui/handle/10482/47353Dissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geociências Aplicadas, 2019.Diversas regiões da floresta Amazónica vém sendo ocupada pelas atividades agropecuárias, especialmente na sua porção sul (estados de Rondónia, norte de Mato Grosso e Pará), conhecida como arco do desmatamento, O presente trabalho teve como objetivo analisar a potencialidade das imagens de radar do satélite ALOS-2, sensor PALSAR-2, banda L, em discriminar as seguintes classes de cobertura vegetal representativas da microrregião de Sinop de Mato Grosso: floresta primária; vegetação secundária; cultura agrícola; e pastagem. Foram analisadas cenas obtidas no modo de imageamento StripMap, nível de processamento 1.5 e polarizações HH e HV das estações chuvosa (fevereiro) e seca (setembro). Os seguintes produtos também foram considerados: HH•HV, HH/HV e índice de retroespalhamento por diferença normalizada (NDBI), com redução do ruído speckle por meio do filtro adaptativo Gamma (janela de 3 pixels x 3 pixels). Os coeficientes de retroespalhamento extraídos de áreas representativas das quatro classes de cobertura vegetal foram analisados por meio de gráficos de dispersão, agrupamento hierárquico (dendogramas) e boxplots, Baseados em amostras de treinamento obtidos em campo e por meio de dados auxiliares (projeto MapBiomas e TerraClass e visualizador de séries temporais de índices de vegetação SATVeg), foi avaliado ainda o potencial dos classificadores Random Forest e Support Vector Machine para discriminar as classes de cobertura vegetal da área de estudo. A avaliação da acurácia das classificações foi realizada por meio de matrizes de confusão, índices de exatidão global, Kappa e Tau. Os resultados indicaram que a imagem de polarização cruzada (HV) do mês de fevereiro apresentou o melhor potencial para discriminar as classes de cobertura vegetal da área de estudo, entretanto, para utilizar os classificadores, foram utilizadas as polarizações HH, fIV e HH*HV de fevereiro. Foi possível discriminar dois grupos de classes temáticas: floresta primária e vegetação secundária; e cultura agrícola e pastagem cultivada. A melhor classificação foi gerada pelo classificador SVM, com índice de exatidão global de 60%, índice Kappa de 0,47 e índice Tau de 47%.Several regions of the Amazon rainforest have been occupied by agricultural activities, especially in its southem portion (states of Rondónia, northem Mato Grosso, and Pará), known as the deforestation arch, The objective of this study is to analyze the potential of the ALOS-2 sateilite, PALSAR-2 sensor, L-band, to discriminate the following representative land use and land cover (LULC) classes from the northem pari of the Mato Grosso State (Sinop micro-region): primary forest; secondary vegetation; cropland; and pastureland, Data obtained in StripMap image acquisition mode, 1.5 processing levei, and HH and 1-6/ polarizations of rainy (February) and dry (September) seasons were analyzed. The following products were also considered: HH•HV, HH/HV, and normalized difference backscatter index (NDBI), without spatial filtering and with speckle noise reduction by means of the Gamma adaptive fifter (3 pixels x 3 pixels window). The backscatterring coefficients extracted from representative areas of the four LULC classes were analyzed by means of scatterplots, hierarchical clustering (dendrograms), and boxplots. Based on field training semeies and ancillary data (MapBiomas and TerraClass projects and SATVeg vegetation indices time series viewer), the potential of the Random Forest and Support Vector Machine classifiers was also evaluated to discriminate the LULC classes of the study area. The classification accuracy was analyzed through the confusion matrices, overall accuracy, and Kappa and Tau indices. The results indicated that the cross-polarization (HV) images from February presented the best potential to discriminate the LULC classes of the study area. However, for the classifications, the HH, HV and HH*1-1V polarizations of February were used. It was possible to discriminate two groups of classes: primary forest and secondary vegetation; and croplands and pasturelands. The best classification was generated by the SVM classifier with an overall accuracy index of 60%, Kappa index of 0.47 and Tau index of 47%.Instituto de Geociências (IG)Programa de Pós-Graduação em GeologiaporAnálise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerradoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisRadar de abertura sintéticaCoeficiente de retroespalhamentoSensoriamento remotoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2019_VanessaSouzaSilva.pdf2019_VanessaSouzaSilva.pdfapplication/pdf18200474http://repositorio2.unb.br/jspui/bitstream/10482/47353/1/2019_VanessaSouzaSilva.pdf51020f9443c7150aafa261d96f185668MD51open accessLICENSElicense.txtlicense.txttext/plain102http://repositorio2.unb.br/jspui/bitstream/10482/47353/2/license.txtaed4704d04bb260d4decd80db311aaa5MD52open access10482/473532024-01-18 16:58:55.986open accessoai:repositorio2.unb.br:10482/47353U3VibWlzc8OjbyBlZmV0aXZhZGEgZGUgYWNvcmRvIGNvbSBsaWNlbsOnYSBjb25jZWRpZGEgcGVsbyBhdXRvciBlL291IGRldGVudG9yIGRvcyBkaXJlaXRvcyBhdXRvcmFpcy4KBiblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2024-01-18T19:58:55Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado
title Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado
spellingShingle Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado
Silva, Vanessa Souza
Radar de abertura sintética
Coeficiente de retroespalhamento
Sensoriamento remoto
title_short Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado
title_full Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado
title_fullStr Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado
title_full_unstemmed Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado
title_sort Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado
author Silva, Vanessa Souza
author_facet Silva, Vanessa Souza
author_role author
dc.contributor.email.pt_BR.fl_str_mv vanessa.geosensoremoto@gmail.com
dc.contributor.author.fl_str_mv Silva, Vanessa Souza
dc.contributor.advisor1.fl_str_mv Sano, Edson Eyji
contributor_str_mv Sano, Edson Eyji
dc.subject.keyword.pt_BR.fl_str_mv Radar de abertura sintética
Coeficiente de retroespalhamento
Sensoriamento remoto
topic Radar de abertura sintética
Coeficiente de retroespalhamento
Sensoriamento remoto
description Dissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geociências Aplicadas, 2019.
publishDate 2019
dc.date.submitted.none.fl_str_mv 2019-03-12
dc.date.accessioned.fl_str_mv 2024-01-18T19:58:55Z
dc.date.available.fl_str_mv 2024-01-18T19:58:55Z
dc.date.issued.fl_str_mv 2024-01-17
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 SILVA, Vanessa Souza. Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado. 2019. xvi, 89 f., il. Dissertação (Mestrado em Geociências Aplicadas) — Universidade de Brasília, Brasília, 2019.
dc.identifier.uri.fl_str_mv http://repositorio2.unb.br/jspui/handle/10482/47353
identifier_str_mv SILVA, Vanessa Souza. Análise das imagens de radar do satélite ALOS-2/PALSAR-2 para discriminação de classes de cobertura vegetal na região de transição Floresta/ Cerrado. 2019. xvi, 89 f., il. Dissertação (Mestrado em Geociências Aplicadas) — Universidade de Brasília, Brasília, 2019.
url http://repositorio2.unb.br/jspui/handle/10482/47353
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.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio2.unb.br/jspui/bitstream/10482/47353/1/2019_VanessaSouzaSilva.pdf
http://repositorio2.unb.br/jspui/bitstream/10482/47353/2/license.txt
bitstream.checksum.fl_str_mv 51020f9443c7150aafa261d96f185668
aed4704d04bb260d4decd80db311aaa5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv
_version_ 1801863856073474048

Registros relacionados