Uso de imagens ALOS/PALSAR multipolarizadas para detecção de incremento de desflorestamento na Amazônia

• Ano de defesa: 2009
• Autor(a) principal: Sumaia Resegue Aboud Neta
• Orientador(a): Luciano Vieira Dutra, Corina da Costa Freitas
• Banca de defesa: Dalton de Morisson Valeriano, Tatiana Mora Kuplich, Paulo Maurício Lima de Alencastro Graça
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: The Amazon forest is a region of rainforest, which has about 5,4 million square kilometers, and with great biodiversity of species on the planet. However, its traditional model of occupation has lead to significant levels of increase of deforestation in the brazilian Legal Amazon. Through remote sensing, these areas can be constantly monitored, offering rates of control and estimation of deforested areas. Due to the high rainfall rates, humidity and presence of clouds, which characterize the Amazon region climate during the year, there are limitations in optical imaging. The ability of Radar sensors to acquire images through the clouds allows the continuous imaging of areas regardless of weather conditions in the region. In this context, this study evaluated the potential of the full polarized amplitude PLR ALOS/PALSAR L band data to discriminate the deforestation increase over National Forest of Tapajos-PA. The radar image segmentations and classifications with no filter and Gamma 5x5 filter were performed. The MAXVER-ICM and Bhattacharyya (combined with SPRING and SEGSAR segmentations) classifiers were used for all combinations of the multipolarized images: HH, HV, VV, HH + HV, HV + VV, HH + VV and HH + HV + VV. The results were compared with the PRODES thematic map to detect the deforestation increment and the existence of significant information loss when all the polarized channels were not used, and to find the best polarization which characterizes the deforestation. The Bhattacharyya classifier had higher accuracy than MAXVERICM classifier. The best classifications were obtained when the HH + HV polarization (with and without filter, segmented by SPRING and SEGSAR) was used. The highest accuracy was obtained for the no filter SPRING (kappa of 0.5085). However, the HH + HV producer's accuracy was minor compared with other combinations of polarization because the error of omission (E.O.) has been higher. For the other channel combinations, the lower E.O. was obtained when the SEGSAR (in the image with filter and with no filter) and SPRING (in the image with filter) segmentations were used but the error of inclusion (E.I.) was higher in relation to classification of higher kappa in all these classifications. There was a detailed analysis of these four classifications. The results showed that the use of radar mapping in tropical regions is an additional powerful tool for the soil cover information acquisition throughout the year. The combined radar and optical data is recommended for the detection of new deforestation (due to water accumulation in the soil a few days before the imaging radar, and the incidence of biomass (stump) in the soil in the region of study), because the high E.I. and in some cases E.O. classifications has limited the use of radar.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m19@80/2009/11.19.09.48

A Amazônia é uma região da floresta tropical que possui cerca de 5,4 milhões de km^2 e abriga uma ampla biodiversidade de espécies do planeta. No entanto, seu modelo de ocupação tem aumentado significativamente o desflorestamento na Amazônia Legal. Por serem regiões bastante úmidas, a presença de nuvens é constante, ocasionando limitações no imageamento por sensores ópticos. Deste modo, o uso de sensoriamento remoto por radar é privilegiado, devido ao fato das microondas praticamente não sofrerem interferência atmosférica o que permite o imageamento das áreas independente das condições climáticas da região. Neste contexto, este estudo avaliou o potencial de imagens de radar para discriminar incremento de desflorestamento em uma área localizada na Floresta Nacional de Tapajós-PA. Foi utilizada uma imagem multipolarizada do sensor ALOS/PALSAR (banda L), modo polarimétrico (PLR) e nível de processamento 1.5. Realizaram-se classificações e segmentações na imagem radar sem filtro e com filtro Gamma 5x5. Avaliou-se o classificador pontual MAXVERICM e por regiões Bhattacharyya (com segmentações SPRING e SEGSAR), onde em todos os casos as imagens multipolarizadas em amplitude foram segmentadas e classificadas individualmente (HH, HV e VV), aos pares (HH+HV, HV+VV e HH+VV) e em conjunto (HH+HV+VV). Os resultados foram comparados com o mapa temático construído a partir dos dados disponibilizados pelo PRODES 2006, com o intuito de detectar o incremento de desflorestamento e avaliar a existência de perda significativa de informação quando não se utiliza todos os canais polarizados. O classificador Bhattacharyya apresentou acurácia superior em relação ao classificador MAXVERICM. As melhores classificações foram obtidas para a polarização dual HH+HV (nas imagens com filtro e sem filtro segmentadas pelo SPRING e SEGSAR). A acurácia mais elevada foi para a segmentação pelo SPRING na imagem sem filtro (kappa de 0,5085). No entanto, a acurácia do produtor foi menor em comparação com as outras combinações de polarizações devido ao erro de omissão (E.O.) ter sido maior. Para as demais combinações de canais HH+HV, o menor E.O. foi obtido quando utilizou-se, respectivamente, a segmentação pelo SEGSAR (na imagem com filtro e sem filtro) e segmentação pelo SPRING (na imagem com filtro), porém, em todos estas classificações o erro de inclusão (E.I.) foi maior em relação a classificação de maior kappa. Deste modo realizou-se a análise destas quatro classificações, onde se constatou que considerando a cobertura de nuvens na região, os resultados obtidos pelo SEGSAR indicaram que o baixo número de polígonos com E.O. comparado com a segmentação SPRING, e o considerável número de polígonos inicialmente classificados como E.I. os quais foram detectados como novos desflorestamentos pelo PRODES do ano seguinte (2007), seja porque estavam sob nuvens no ano anterior ou realmente devido ao E.O. do PRODES, salientaram a eficácia do segmentador e dos dados microondas. Assim, concluiu-se que o uso de radar no mapeamento de regiões tropicais é uma ferramenta de auxílio para imagens ópticas na aquisição de informações referentes à cobertura do solo durante todo o ano. No entanto, os elevados E.I. e em alguns casos E.O. das classificações (provavelmente devido ao acúmulo hídrico no solo alguns dias antes do imageamento do radar, bem como a incidência de vestígios de biomassa (tocos) presentes no solo na região de estudo) limitou o uso do radar, sendo necessário também a utilização de imagens ópticas para análise das informações adicionais obtidas.