Detalhes bibliográficos
| Ano de defesa: |
2014 |
| Autor(a) principal: |
Mariane Souza Reis |
| Orientador(a): |
Sidnei João Siqueira Sant'Anna,
Luciano Vieira Dutra Dutra |
| Banca de defesa: |
Maria Isabel Sobral Escada,
Diógenes Salas Alves,
Nathan David Vogt,
Sandra Maria Fonseca da Costa |
| 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
|
| Departamento: |
Não Informado pela instituição
|
| País: |
BR
|
| Resumo em Inglês: |
Remete sensing based change detection studies can provide information to better understand the causes of deforestation, of natural phcnornena and human activities interaction and the impacts of infrastructure development along time. Optical images are cornrnonly used for these studies. However, the availability of such data is subject to weather conditions and lighting of the scene. Images from Synthetic Aperture Radar (SAR) can be obtained almost independently from weather conditions in any time of thc year. This characteristic rendcrs this kind of data a strang candidate to be used in change detection procedures, Considering this context, this work aims to evaluate the changes obtained using data from Synthctic Aperture Radar, optical data and the fusion of both data, by post-classification analysis. Six sets of data were evaluated. These sets were obtained frorn two optical and two radar images, aquired in June 2008 and June 2010, in the Tapajós National Forest region, in Pará state. Thesc sets are composed of optical images, attributes extracted from optical irnages, original radar imagcs, filtered radar images, attributes extracted frorn filtcrcd radar images and the fusion of optical images and filtered radar ones, The minimum Bhat.tacharyya distance region classifier was used to generatc cover classification of each date and data set. The classifications were generated considering 3 levels of legend, narnely, 3 sets of sarnple classes. Considering the same data set, the cover classifications from 2008 and 2010 were cross-tabulated. Thc resulting classifications were classified accordiug to a fixed sot of change classes. GeneralIy, cover and change classifications using original optical data were similar or better than the others, for all levels of legend. Fused data only showed better results than the original optical data for certain classes of cover and changes. Given the sirnplicity in processing the original optical data and the accurate results, its use is recornrnended, whenever possible. If such data are not available, the use of radar data provides good results, with limitations on the accuracy of land cover/ change classes in which the distinction between forest classes is needed. The lower the level of detail of the legend, the more similar are the radar change classifications to t.he optical ones. The need for feature extraction, especially texture, and the use of speckle reducing filters in the radar data decreases with the lcvel of detail of the legend. |
| Link de acesso: |
http://urlib.net/sid.inpe.br/mtc-m21b/2014/06.30.19.09
|
Resumo: |
Estudos relacionados à detecção de mudanças utilizando dados provenientes de sensoriamento remoto podem prover informações que aprofundam o entendimento das causas do desmatamento, da interação de fenômenos naturais e atividades humanas e de impactos de obras de infraestrutura ao longo do tempo. Imagens óticas são comumente utilizadas para esses estudos, contudo a disponibilidade desses dados está condicionada às condições atmosféricas e de iluminação da cena. Imagens provenientes de radares de abertura sintética (\emph{Synthetic Aperiure Radar} - SAR) podem ser obtidas de forma quase que independente das condições atmosféricas e em qualquer época do ano. Essas características tornam esse tipo de dado um forte candidato a ser utilizado na tarefa de detecção de mudanças. Considerando esse contexto, esse trabalho tem como objetivo avaliar classificações de mudanças obtidas a partir de dados provenientes de radares de abertura sintética, de dados óticos e da fusão de ambos os dados, utilizando análise pós-classificação. Foram avaliados seis conjuntos de dados obtidos a partir de duas imagens óticas e duas imagens de radar, adquiridas em junho de 2008 e junho de 2010, na região da Floresta Nacional do Tapajós, no estado do Pará. Esses conjuntos são compostos por imagens óticas originais, atributos extraídos de imagens óticas, imagens de radar originais, imagens de radar filtradas, atributos extraídos de imagens de radar filtradas e a fusão das imagens óticas originais e de radar filtradas. O classificador por regiões de mínima distância de Bhattacharyya foi usado para gerar as classificações de cobertura de cada dado para cada ano. As classificações foram realizadas para 3 níveis de legenda, isto é, 3 conjuntos de classes amostrais. Em um mesmo conjunto de dados, foram cruzadas as classificações de cobertura dos anos de 2008 e 2010. As transições resultantes foram classificadas segundo os tipos de mudança de interesse. De forma geral, classificações de cobertura e de mudança utilizando os dados óticos originais foram semelhantes ou melhores que as demais, para todos os níveis de legenda. Os dados fusionados apresentaram resultados melhores que os dados óticos originais apenas para algumas classes de cobertura e de mudanças. Dada a simplicidade de processamento e resultados acurados dos dados óticos originais, recomenda-se, sempre que possível, sua utilização. Caso esses dados não estejam disponíveis, a utilização de dados de radar fornece bons resultados, com limitações na exatidão de classes de cobertura ou de mudanças que envolvam a distinção entre classes florestadas. Quanto menor o detalhe do nível de legenda, mais a classificação de mudanças utilizando dados radar se aproxima daquela utilizando dados óticos. A necessidade de extração de atributos, principalmente de textura, e do uso de filtros redutores de \emph{speckle} nos dados radar diminui à medida que diminui-se o detalhe do nível de legenda. |
