images/Logo/logo_50anos_novo1.jpg

Eduardo Monteiro Fuchshüber

Título


Avaliação de técnicas de classificação automática de dados multi-polarimétricos na banda-L do sensor R99B-SAR para o mapeamento de áreas inundadas no lago de Coari, Amazônia Central

Orientador(es)


Luiz Landau
Fernando Pellon de Miranda

Resumo


Estudos na Amazônia Central empregando dados de sensoriamento remoto podem contribuir para o entendimento, em escala regional, de suas características fisiográficas, proporcionando subsídios para a elaboração de mapas de sensibilidade a derrames de óleo. Nesse contexto, a presente dissertação utilizou o classificador USTC (Unsupervised Semivariogram Textural Classifier), complementado por técnicas de segmentação e segmentação orientada a objeto, para processar digitalmente as imagens multipolarimétricas calibradas do sistema R99B-SAR, na banda L. Tais dados foram adquiridos na região de Coari (AM) como parte da missão Multi-Aplication Purpose SAR (MAPSAR). Para analisar e comparar a acurácia dos resultados da classificação USTC foram utilizadas técnicas que abrangem a matriz de confusão (matriz de erros) e o índice Kappa. A pesquisa permitiu individualizar bancos de macrófitas e vegetação alagada, que são áreas muito sensíveis a derrames de óleo.

Abstract


Studies in Central Amazonia using remote sensing data can contribute to an understanding on a regional scale of its physiographic characteristics, providing support for the preparation of maps of sensitivity to oil spills. In this context, this dissertation used the algorithm USTC (Semivariogram Unsupervised Textural Classifier), complemented by object-based segmentation and classification techniques to process digitally calibrated L-band images acquired by the Multipolarimetric R99B- SAR system. These data were obtained in the region of Coari (AM) as part of the mission entitled Multi-Application Purpose SAR (MAPSAR). To analyze and compare the accuracy of the results of USTC classification approaches, we used the confusion matrix (error matrix) and Kappa index. Research results enhanced macrophyte patches and flooded forests, both very sensitive to oil spills.

Print