Super-resolution of remotely sensed images with variable-pixel linear reconstruction

This paper describes the development and applications of a super-resolution method, known as Super-Resolution Variable-Pixel Linear Reconstruction. The algorithm works combining different lower resolution images in order to obtain, as a result, a higher resolution image. We show that it can make significant spatial resolution improvements to satellite images of the Earth��s surface allowing recognition of objects with size approaching the limiting spatial resolution of the lower resolution images. The algorithm is based on the Variable-Pixel Linear Reconstruction algorithm developed by Fruchter and Hook, a well-known method in astronomy but never used for Earth remote sensing purposes. The algorithm preserves photometry, can weight input images according to the statistical significance of each pixel, and removes the effect of geometric distortion on both image shape and photometry. In this paper, we describe its development for remote sensing purposes, show the usefulness of the algorithm working with images as different to the astronomical images as the remote sensing ones, and show applications to: 1) a set of simulated multispectral images obtained from a real Quickbird image; and 2) a set of multispectral real Landsat Enhanced Thematic Mapper Plus (ETM+) images. These examples show that the algorithm provides a substantial improvement in limiting spatial resolution for both simulated and real data sets without significantly altering the multispectral content of the input low-resolution images, without amplifying the noise, and with very few artifacts.

Comparison between artificial neural networks and maximum likelihood classification in digital soil mapping

Soil surveys are the main source of spatial information on soils and have a range of different applications, mainly in agriculture. The continuity of this activity has however been severely compromised, mainly due to a lack of governmental funding. The purpose of this study was to evaluate the feasibility of two different classifiers (artificial neural networks and a maximum likelihood algorithm) in the prediction of soil classes in the northwest of the state of Rio de Janeiro. Terrain attributes such as elevation, slope, aspect, plan curvature and compound topographic index (CTI) and indices of clay minerals, iron oxide and Normalized Difference Vegetation Index (NDVI), derived from Landsat 7 ETM+ sensor imagery, were used as discriminating variables. The two classifiers were trained and validated for each soil class using 300 and 150 samples respectively, representing the characteristics of these classes in terms of the discriminating variables. According to the statistical tests, the accuracy of the classifier based on artificial neural networks (ANNs) was greater than of the classic Maximum Likelihood Classifier (MLC). Comparing the results with 126 points of reference showed that the resulting ANN map (73.81 %) was superior to the MLC map (57.94 %). The main errors when using the two classifiers were caused by: a) the geological heterogeneity of the area coupled with problems related to the geological map; b) the depth of lithic contact and/or rock exposure, and c) problems with the environmental correlation model used due to the polygenetic nature of the soils. This study confirms that the use of terrain attributes together with remote sensing data by an ANN approach can be a tool to facilitate soil mapping in Brazil, primarily due to the availability of low-cost remote sensing data and the ease by which terrain attributes can be obtained.

Artificial neural networks applied for soil class prediction in mountainous landscape of the Serra do Mar��

Soil information is needed for managing the agricultural environment. The aim of this study was to apply artificial neural networks (ANNs) for the prediction of soil classes using orbital remote sensing products, terrain attributes derived from a digital elevation model and local geology information as data sources. This approach to digital soil mapping was evaluated in an area with a high degree of lithologic diversity in the Serra do Mar. The neural network simulator used in this study was JavaNNS and the backpropagation learning algorithm. For soil class prediction, different combinations of the selected discriminant variables were tested: elevation, declivity, aspect, curvature, curvature plan, curvature profile, topographic index, solar radiation, LS topographic factor, local geology information, and clay mineral indices, iron oxides and the normalized difference vegetation index (NDVI) derived from an image of a Landsat-7 Enhanced Thematic Mapper Plus (ETM+) sensor. With the tested sets, best results were obtained when all discriminant variables were associated with geological information (overall accuracy 93.2 - 95.6 %, Kappa index 0.924 - 0.951, for set 13). Excluding the variable profile curvature (set 12), overall accuracy ranged from 93.9 to 95.4 % and the Kappa index from 0.932 to 0.948. The maps based on the neural network classifier were consistent and similar to conventional soil maps drawn for the study area, although with more spatial details. The results show the potential of ANNs for soil class prediction in mountainous areas with lithological diversity.

Detecci��n por el sat��lite LANDSAT-4 de los efectos de la riada del 8-XI-82 en el r��o Segre

Por medio de t��cnicas de tratamiento de im��genes digitales se realiza un estudio de los efectos producidos por una inundaci��n ocurrida a finales del a��o 1982 en el valle del r��o Segre, en Catalunya, a partir de la informaci��n multiespectral captada por el sensor TM del sat��lite LANDSAT-4. Utilizando un programa de clasificaci��n no supervisada basado en la distancia eucl��dea, se diferencian cuatro tipos de suelo o de cubiertas en el rea de estudio (3.8 x 2.3 km). Se efecta un an��lisis cuantitativo de la calidad de los resultados, usando como referencia la informaci��n obtenida en un estudio de campo. Este an��lisis muestra un alto grado de correspondencia entre el mapa de campo (verdad terreno) y la cartograf��a realizada a partir de los datos multiespectrales.

An��lise espectral e temporal da cultura do caf�� em imagens Landsat

A defini����o da resposta espectral da cultura do caf�� �� uma das etapas na identifica����o de lavouras cafeeiras em imagens de sat��lites de sensoriamento remoto, para fins de mapeamento e estimativa de ��rea plantada. O objetivo deste trabalho foi avaliar o potencial das imagens adquiridas pelos sat��lites da s��rie Landsat, no mapeamento da cultura do caf�� para a previs��o de safras. Foi feita uma an��lise temporal do comportamento espectral de lavouras de caf��-forma����o e caf��-produ����o por meio de imagens livres de nuvens adquiridas nos anos de 1999 e 2001. Tamb��m foi analisado o comportamento espectral das classes pastagem e mata, que comp��em os alvos de maior ocupa����o na ��rea de estudo. As imagens do per��odo seco foram mais eficientes no mapeamento de lavouras de caf��-forma����o e caf��-produ����o. As imagens da banda 4 dos dois sensores apresentaram melhor diferencia����o espectral entre caf�� e os demais alvos da cena. A reflect��ncia do caf��-produ����o apresentou grande variabilidade entre lavouras, que pode ser atribu��da �� idade, espa��amento de plantas, cultivar, indicando a necessidade de trabalho em campo para a correta identifica����o das lavouras de caf�� nas imagens Landsat.

Contribui����es do solo e dossel em modelo de estimativa de biomassa a��rea no Bioma Pampa

O objetivo deste trabalho foi avaliar o desempenho preditivo do submodelo espectral do modelo JONG, com a inser����o de vari��veis espectrais que considerassem a densidade de biomassa do dossel e as contribui����es dos diferentes solos subjacentes. ��ndices calculados pela diferen��a e raz��o simples - entre as bandas 4 e 3, 4 e 5, 4 e 7, do sensor orbital ETM+/Landsat 7 - foram sugeridos para representar a contribui����o espectral dos solos subjacentes e a influ��ncia das diferen��as estruturais dos doss��is. A parametriza����o da componente espectral foi implementada por regress��o linear m��ltipla e, em seguida, foi comparada aos dados de biomassa obtidos em campo. As vari��veis espectrais que melhor expressaram as varia����es da disponibilidade inicial de forragem foram a fra����o solo (modelo linear de mistura espectral) e a raz��o entre as bandas 4 e 7. A componente espectral do modelo JONG, com a nova parametriza����o, apresenta sensibilidade para eliminar as influ��ncias do solo e dossel na disponibilidade inicial de biomassa e facilita a interpreta����o dos resultados, em raz��o da rela����o entre as vari��veis espectrais selecionadas.

Amostragem probabil��stica estratificada por pontos para estimar a ��rea cultivada com soja

O objetivo deste trabalho foi avaliar o desempenho de um modelo probabil��stico de amostragem estratificada por pontos, e definir um tamanho de amostra adequado para estimar a ��rea cultivada com soja no Rio Grande do Sul. A ��rea foi estratificada de acordo com a percentagem de soja cultivada em cada munic��pio do estado: menor que 20, de 20 a 40 e maior que 40%. Foram avaliadas estimativas obtidas por meio de seis tamanhos de amostras, resultantes da combina����o de tr��s n��veis de signific��ncia (10, 5 e 1%) e dois valores de erro amostral (5 e 2,5%). Para cada tamanho de amostra, foram realizados 400 sorteios aleat��rios. As estimativas foram avaliadas com base na ��rea de soja obtida de um mapa tem��tico de refer��ncia proveniente de uma cuidadosa classifica����o autom��tica e visual de imagens multitemporais dos sat��lites TM/Landsat-5 e ETM+/Landsat-7 dispon��vel para a safra 2000/2001. A ��rea de soja no Rio Grande do Sul pode ser estimada por meio de um modelo de amostragem probabil��stica estratificada por pontos, sendo que a melhor estimativa �� obtida para o maior tamanho amostral (1.990 pontos), com diferen��a de apenas -0,14% em rela����o �� estimativa do mapa de refer��ncia e um coeficiente de varia����o de 6,98%.

Landsat TM imagery and high altitude aerial photographs in estimation of forest characteristics

Abstract

Predicting soil erosion using Rusle and NDVI time series from TM Landsat 5

The objective of this work was to evaluate the seasonal variation of soil cover and rainfall erosivity, and their influences on the revised universal soil loss equation (Rusle), in order to estimate watershed soil losses in a temporal scale. Twenty-two TM Landsat 5 images from 1986 to 2009 were used to estimate soil use and management factor (C factor). A corresponding rainfall erosivity factor (R factor) was considered for each image, and the other factors were obtained using the standard Rusle method. Estimated soil losses were grouped into classes and ranged from 0.13 Mg ha-1 on May 24, 2009 (dry season) to 62.0 Mg ha-1 on March 11, 2007 (rainy season). In these dates, maximum losses in the watershed were 2.2 and 781.5 Mg ha-1 , respectively. Mean annual soil loss in the watershed was 109.5 Mg ha-1 , but the central area, with a loss of nearly 300.0 Mg ha-1 , was characterized as a site of high water-erosion risk. The use of C factor obtained from remote sensing data, associated to corresponding R factor, was fundamental to evaluate the soil erosion estimated by the Rusle in different seasons, unlike of other studies which keep these factors constant throughout time.

Rela����es emp��ricas entre caracter��sticas dendrom��tricas da Caatinga brasileira e dados TM Landsat 5

O objetivo deste trabalho foi ajustar modelos para estimar características dendrométricas da Caatinga brasileira a partir de dados do sensor TM do Landsat 5. Medidas de diâmetro e altura das árvores foram obtidas de 60 parcelas de inventário (400 m2), em dois municípios do Estado de Sergipe. A área basal e o volume de madeira foram estimados com uso de equação alométrica e de fator de forma (f = 0,9). As variáveis explicativas foram obtidas do sensor TM, após correção radiométrica e geométrica, tendo-se considerado, na análise, seis bandas espectrais, com resolução espacial de 30 m, além dos índices de razão simples (SR), de vegetação por diferença normalizada (NDVI) e de vegetação ajustado ao solo (Savi). Na escolha das melhores variáveis explicativas, foram considerados coeficiente de determinação (R2), raiz do erro quadrático médio (RMSE) e critério bayesiano de informação (CBI). A área basal por hectare não apresentou correlação significativa com nenhuma das variáveis explicativas utilizadas. Os melhores modelos foram ajustados à altura média das árvores por parcela (R2 = 0,4; RMSE = 13%) e ao volume de madeira por hectare (R2 = 0,6; RMSE = 42%). As métricas derivadas do sensor TM do Landsat 5 têm grande potencial para explicar variações de altura média das árvores e do volume de madeira por hectare, em remanescentes de Caatinga situados no Nordeste brasileiro.

An��lise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento tem��tico

Resumo: O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K-NN para a classificação orientada a objeto em imagens Landsat-8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba-Jaguari, MG. A etapa de pré-processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram-se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram-se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K-NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K-NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial.

Distin����o de esp��cies de eucaliptode diferentes idades por meio de imagens TM/Landsat 5

Resumo: O objetivo deste trabalho foi avaliar a utiliza����o de imagens do sensor TM/Landsat 5 na diferencia����o de plantios comerciais de Eucalyptus dunnii e Eucalyptus urograndis com diferentes idades. Demarcaram-se parcelas para identificar as duas esp��cies, em dois per��odos distintos (2009 e 2011), a idades de 3 e 5 anos, para E. dunnii, e 2,2 e 4,2 anos para E. urograndis. Avaliaram-se seis bandas do sensor TM/Landsat 5 (B1, B2, B3, B4, B5 e B7) e seis ��ndices de vegeta����o: raz��o simples (SR); ��ndice de vegeta����o por diferen��a normalizada (NDVI); ��ndice de vegeta����o ajustado ao solo (Savi)-0,25; Savi-0,5; ��ndice de vegeta����o por diferen��a normalizada com uso da banda verde (GNDVI); e ��ndice de umidade na vegeta����o (MVI). O processamento digital das imagens consistiu de corre����o geom��trica, radiom��trica e atmosf��rica. Os plantios de E. dunnii e E. urograndis foram diferenciados por meio de cinco bandas do Landsat (B2, B3, B4, B5 e B7) e tr��s ��ndices de vegeta����o (Savi-0,5, Savi-0,25 e GNDVI), no ano de 2009, e por quatro bandas do Landsat (B2, B4, B5 e B7) e seis ��ndices de vegeta����o (NDVI, SR, Savi-0,5, Savi-0,25, MVI e GNDVI) no ano de 2011. Os dados espectrais extra��dos das imagens TM/Landsat 5 s��o eficazes, tanto para distinguir as esp��cies de eucalipto como tamb��m a mesma esp��cie em plantios equi��neos.