Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/4610
Título: Avaliação do uso de variáveis temporais na classificação da cobertura da terra
Título(s) alternativo(s): Evaluation of the use of temporal variables in land cover classification
Autor : Santos, Polyanne Aguiar dos
Primeiro orientador: Carvalho, Luís Marcelo Tavares de
Primeiro membro da banca: Oliveira, Luciano Teixeira de
Alves, Marcelo de Carvalho
Área de concentração: Ecologia e Conservação de Paisagens Fragmentadas e Agrossistemas
Palavras-chave: Algoritmo de aprendizagem de máquina
Greenbrown
Série temporal sintética
Machine learning algorithms
Greenbrown
Synthetic time serie
Data da publicação: 2014
Referência: SANTOS, P. A. dos. Avaliação do uso de variáveis temporais na classificação da cobertura da terra. 2014. 80 p. Dissertação (Mestrado em Ecologia e Conservação de Paisagens Fragmentadas e Agrossistemas) – Universidade Federal de Lavras, Lavras, 2014.
Resumo: O monitoramento da superfície terrestre tem sido realizado por sensores remotos a bordo de satélites, o que possibilita obter informações sobre as alterações da paisagem ao longo do tempo. O uso de dados multitemporais auxilia a classificação da cobertura da terra e potencializa a sua caracterização levando em consideração aspectos fenológicos, bem como variações contínuas ou bruscas na superfície terrestre. Contudo, não se sabe quais as implicações de diferentes frequências temporais de imagens de sensoriamento remoto ao longo do tempo numa classificação. Tendo em vista a dificuldade de se adquirir imagens de qualidade para compor uma série temporal, é de grande importância avaliar qual frequência de imagens é necessária para obter uma classificação multitemporal precisa. Portanto, este trabalho tem por objetivo extrair informações de séries temporais de dados de sensoriamento remoto para melhorar a precisão da classificação da cobertura do solo, e assim contribuir com o entendimento de padrões temporais de diversas classes da cobertura do solo e indicar abordagens apropriadas para o mapeamento que será realizado durante a implementação do CAR. A área de estudo está localizada no Centro-Oeste do estado de Minas Gerais, e as análises foram limitadas a uma área de 625 km2 referente a uma cena Rapideye (tile 2330313). Foram adquiridas todas as imagens disponíveis do sensor Landsat-5 TM (órbita/ponto 219/073) entre 2000 e 2011. Porém, como regiões tropicais apresentam grande incidência de nuvens e eventual indisponibilidade de imagens TM, foram utilizadas imagens sintéticas oriundas de fusão de imagens TM e MODIS. Para isso, foi adquirido um conjunto de 273 imagens do sensor MODIS (produto MOD13Q1). A fusão de imagens TM e MODIS foi realizada pelo algoritmo STARFM. As imagens TM originais e sintéticas compuseram séries temporais Estacional (quatro imagens/ano), Bimestral (seis imagens/ano), Mensal (12 imagens/ano) e Completa (23 imagens/ano). As séries temporais foram analisadas pelo pacote greenbrown e os resultados gerados foram incorporados como atributos nos algoritmos de aprendizagem de máquina. Os resultados mostraram que o uso de parâmetros gerados a partir do pacote greenbrown, mesmo quando usando imagens TM sintéticas, proporcionaram uma melhoria no desempenho dos classificadores, com destaque para os algoritmos SVM e RF. Além disso, não foram encontradas diferenças significativas entre as classificações geradas utilizando atributos de diferentes frequências temporais. Sendo assim, a classificação multitemporal da imagem Rapideye utilizando parâmetros extraídos de uma série temporal TM, se mostrou aplicável e promissora, visto que dados Rapideye não dispõem de imagens multidatas suficientes.
Abstract: The monitoring of land surface has been performed by remote sensors aboard satellites, which allows us to obtain information on changes of landscape over time. The use of multitemporal data aids in the classification of land cover and enhances its characterization considering phenological aspects, as well as continuous or sudden variations in the landscape. However, the implications of different temporal frequency of remote sensing images in a classification over time are unknown. Considering the difficulty of acquiring quality images for comprising a time series, it is highly important to evaluate which frequency is necessary to obtain a precise multitemporal classification. Therefore, this work had the objective of extracting information of time series remote sensing data to improve the classification precision of land cover, thus contributing with the understanding of temporal patterns of various land cover classes and indicating appropriate approaches for the mapping that will be performed during the implementation of the CAR. The study area is located in the Center-West of the state of Minas Gerais, Brazil, and the analyses were confined to an area of 625 km2 referent to a Rapideye scene (tile 2330320). All images of the Landsat-5 TM sensor (orbit/point 219/073) available were acquired between 2000 and 2011. However, as tropical regions present large incidence of clouds and eventual unavailability of TM images, synthetic images derived from the fusion of TM and MODIS images were used. In order to do this, a set of 273 images of the MODIS sensor (product MOD13Q1) were acquired. The fusion of TM and MODIS was performed by the STARFM algorithm. The original and synthetic TM images comprised Stational (4 images/year), Bimonthly (6 images/per year), Monthly (12 images/year) and Complete (23 images/year) time series. The time series were analyzed by the greenbrown package and the generated results were incorporated as attributes in the machine learning algorithm. The results showed that the use of parameters generated from the greenbrown package, even when using synthetic TM images, provided an improvement in the performance of the classifiers, highlighting the SVM and RF algorithms. In addition, no significant differences were found between the classifications generated using different temporal frequency attributes. Thus, the multitemporal classification of the Rapideye image using parameters extracted from a TM time series, was shown to be applicable and promising, since the Rapideye data did not dispose of sufficient multidata images.
metadata.teses.dc.description: Dissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Ecologia Aplicada, área de concentração em Ecologia e Conservação de Paisagens Fragmentadas e Agrossistemas, para a obtenção do título de Mestre.
URI: http://repositorio.ufla.br/jspui/handle/1/4610
Publicador: UNIVERSIDADE FEDERAL DE LAVRAS
Idioma: pt_BR
Aparece nas coleções:DBI - Ecologia Aplicada - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTACAO_Avaliação do uso de variáveis temporais na classificação da cobertura da terra.pdf2,11 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.