Extração de linhas de imagens de sensoriamento remoto.

Essa dissertação tem o objetivo de verificar a contribuição de diferentes abordagens para extração de linhas, à classificação de imagens multiespectrais, com o possível uso na discriminação e mapeamento de classes de cobertura da terra. Nesse contexto, é efetuada a comparação entre diferentes técnicas de extração de características para extração de linhas de transmissão em áreas rurais, a saber, técnicas de realce utilizando variação de contraste e filtragem morfológica, bem como detecção de bordas utilizando filtro Canny e detector SUSAN, citando como técnica de extração de linhas a Transformada de Hough e Transformada de Radon, utilizando diferentes algoritmos, em imagens aéreas e de sensoriamento remoto. O processo de análise de imagens, com diferentes abordagens leva a resultados variados em diferentes tipos de coberturas do solo. Tais resultados foram avaliados e comparados produzindo tabelas de eficiência para cada procedimento. Estas tabelas direcionam a diferentes encaminhamentos, que vão variar de abordagem dependendo do objetivo final da extração das Linhas de Transmissão.

Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais

O objetivo principal deste trabalho é propor uma metodologia de classificação de imagens de sensoriamento remoto que integre a importância de atributos de textura na seleção de feições, através da utilização de freqüências espaciais de cada classe textural e sua direção, com a eficiência das redes neurais artificiais para classificá-las. O processo é composto por uma etapa de filtragem baseada nos filtros de Gabor, seguida de uma fase de classificação através de uma rede neural Multi-Layer Perceptron com algoritmo BackPropagation. A partir da transformada de Fourier são estimados os parâmetros a serem utilizados na constituição dos filtros de Gabor, adequados às freqüências espaciais associadas a cada classe presente na imagem a ser classificada. Desta forma, cada filtro gera uma imagem filtrada. O conjunto de filtros determina um conjunto de imagens filtradas (canais texturais). A classificação pixel a pixel é realizada pela rede neural onde cada pixel é definido por um vetor de dimensionalidade igual ao número de filtros do conjunto. O processo de classificação através da rede neural Multi-Layer Perceptron foi realizado pelo método de classificação supervisionada. A metodologia de classificação de imagens de sensoriamento remoto proposta neste trabalho foi testada em imagens sintética e real de dimensões 256 x 256 pixels. A análise dos resultados obtidos é apresentada sob a forma de uma Matriz de Erros, juntamente com a discussão dos mesmos.

Gestão de riscos associados a cultivos agroenergéticos por meio da modelagem espaço-temporal de parâmetros agrometeorológicos e do monitoramento da vegetação com imagens de sensoriamento remoto - Estudo de caso em lavouras de milho safrinha

A agricultura é a atividade econômica mais dependente das condições climáticas. Os eventos climáticos afetam não só os processos metabólicos das plantas, diretamente relacionados à produção vegetal, como também as mais diversas atividades no campo. De acordo com Petr (1990) e Fageria (1992), citados por Hoogenboom (2000), ao redor de 80% da variabilidade da produção agrícola no mundo se deve à variabilidade das condições climáticas durante o ciclo de cultivo, especialmente para as culturas de sequeiro, já que os agricultores não podem exercer nenhum controle sobre esses fenômenos naturais. Além de influenciar o crescimento, o desenvolvimento e a produtividade das culturas, o clima afeta também a relação das plantas com microorganismos, insetos, fungos e bactérias, favore-cendo ou não a ocorrência de pragas e doenças, o que demanda as medidas de controle ade-quadas. Muitas das práticas agrícolas de campo, como o preparo do solo, a semeadura, a adu-bação, a irrigação, as pulverizações, a colheita, entre outras, também dependem de condições de tempo e de umidade no solo específicas para que possam ser realizadas de forma eficiente (PEREIRA et al., 2002). Dada a grande importância do clima para a produção agrícola, o uso de informações meteoro-lógicas e climáticas é fundamental para que a agricultura se torne atividade sustentável (SIVAKUMAR et al., 2000). Neste contexto, a agrometeorologia, ciência interdisciplinar que estuda a influência do tempo e do clima na produção de alimentos, fibras e energia, assume papel estratégico no entendimento e na solução dos problemas enfrentados pela agricultura (MAVI E TUPPER, 2004). Os governos apoiam usualmente a gestão de risco dos agricultores concentrando-se nos riscos imprevisíveis e inevitáveis, possivelmente raros, mas que têm graves consequências (perdas catastróficas) se os agricultores não conseguirem gerir estes riscos sozinhos já que existe nú-mero limitado de opções políticas a serem consideradas, quer a nível interno ou internacional, quando o assunto é referente à alimentação dos concidadãos. A preocupação crescente com o aumento da população mundial, com a degradação dos recur-sos naturais e com a sustentabilidade da agricultura tem exigido maiores esforços no desen-volvimento de melhores estratégias e práticas do uso do solo, a partir do melhor entendimento das relações entre a agricultura e o clima. Nesse sentido, o desenvolvimento de ferramentas que auxiliem o planejamento e o processo de tomadas de decisão que resultem em menores impactos ambientais e no aumento da resiliência da agricultura, tem sido um dos objetivos das instituições governamentais e não gover-namentais ligadas à agricultura, ao ambiente e aos recursos naturais. Sem embargo, as sofisticadas técnicas utilizadas para estimar preços no mercado futuro, as perspectivas relativamente instáveis das commodities agrícolas resultam do pressuposto de que em condições normais, as incertezas associadas ao clima, fatores macroeconômicos, in-tervenções de políticas e o custo da energia, entre outros fatores relevantes, sugerem que os preços dos produtos de base agrossilvipastoris permanecerão imprevisíveis. Mesmo que estratégias de hedging continuem sendo preponderantes no que tange à mitigação do risco financeiro causado pela volatilidade de preços, para a grande maioria das empresas, seguradoras, governos e produtores que dependem dos resultados da lavoura para colher os benefícios financeiros da produção agrícola, como no caso das empresas agrossilvipastoris, a mitigação dos riscos de mercado concomitantemente ao gerenciamento do risco agrometeoro-lógico faz todo sentido. A utilização de uma ferramenta de suporte a decisão baseado em sistemas de informação geo-gráfica é a melhor maneira de aproveitar todo o conhecimento que está disponível para o acompanhamento da produção de alimentos e de energia. Os filtros espaciais utilizados para analisar a situação como um todo, aliados a produtos de informação atualizados em tempo hábil para verificar a produção local permitem monitorar de fato os principais riscos relacio-nados condições agrometeorológicas e o manejo da produção agrícola. A convergência tecnológica entre os sistemas de informação e de suporte à decisão por meio de servidores nas nuvens possibilita hoje automatizar grande parte das análises que se podem obter com base nas informações disponíveis e fazer chegar o conhecimento até o usuário final. As redes de empresas formadas para produzir dados espaciais, seja por meio de satélites de sensoriamento remoto ou redes de estações meteorológicas, estão preparadas para garantir um fluxo contínuo de informação para serem consumidos por usuários deste conhecimento. Os informes deste trabalho e as conclusões desta investigação remetem à hipótese de que a comunicação de informações de forma inteligente, em tempo hábil de serem aplicadas na to-mada de decisão eficiente, permite que os riscos associados aos cultivos sejam mais bem mi-tigados e, portanto gerem valor aos acionistas com ativos ligados ao agronegócio. O maior desafio desta dissertação de mestrado encontra-se em mostrar aos atores do agrone-gócio que, ao dotar os agricultores de meios para que eles possam gerir sua atividade com base nas melhores práticas de manejo agrometeorológico, incentivar a criação de mecanismos que aperfeiçoem a gestão rural e ampliem o acesso à informação, e não apenas auxiliá-los sob a forma de apoio ad hoc e assistência agronômica, de fato se amplia a capacidade de gestão dos riscos associados às atividades agrossilvipastoris.

A transformada wavelet na fusão de imagens de sensoriamento remoto

Pós-graduação em Matematica Aplicada e Computacional - FCT

Inventário da cobertura vegetal das fazendas Lageado e Edgardia - Botucatu SP - no período de 36 anos, com utilização de imagens de sensoriamento remoto

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Desenvolvimento do sistema computacional CARTOMORPH para processamento de imagens de sensoriamento remoto

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Discriminação de classes de cobertura vegetal utilizando técnicas de classificação digital de imagens de sensoriamento remoto

The aim of this work is to discriminate vegetation classes throught remote sensing images from the satellite CBERS-2, related to winter and summer seasons in the Campos Gerais region Paraná State, Brazil. The vegetation cover of the region presents different kinds of vegetations: summer and winter cultures, reforestation areas, natural areas and pasture. Supervised classification techniques like Maximum Likelihood Classifier (MLC) and Decision Tree were evaluated, considering a set of attributes from images, composed by bands of the CCD sensor (1, 2, 3, 4), vegetation indices (CTVI, DVI, GEMI, NDVI, SR, SAVI, TVI), mixture models (soil, shadow, vegetation) and the two first main components. The evaluation of the classifications accuracy was made using the classification error matrix and the kappa coefficient. It was defined a high discriminatory level during the classes definition, in order to allow separation of different kinds of winter and summer crops. The classification accuracy by decision tree was 94.5% and the kappa coefficient was 0.9389 for the scene 157/128. For the scene 158/127, the values were 88% and 0.8667, respectively. The classification accuracy by MLC was 84.86% and the kappa coefficient was 0.8099 for the scene 157/128. For the scene 158/127, the values were 77.90% and 0.7476, respectively. The results showed a better performance of the Decision Tree classifier than MLC, especially to the classes related to cultivated crops, indicating the use of the Decision Tree classifier to the vegetation cover mapping including different kinds of crops.

Análise temporal dos ciclos de crescimento para discriminação e mapeamento das culturas agrícolas de arroz e soja por imagens de sensoriamento remoto.

2015

Interpretação de imagens multitemporais de sensoriamento remoto.

Estudos multitemporais de dados de sensoriamento remoto dedicam-se ao mapeamento temático de uso da terra em diferentes instâncias de tempo com o objetivo de identificar as mudanças ocorridas em uma região em determinado período. Em sua maioria, os trabalhos de classificação automática supervisionada de imagens de sensoriamento remoto não utilizam um modelo de transformação temporal no processo de classificação. Pesquisas realizadas na última década abriram um importante precedente ao comprovarem que a utilização de um modelo de conhecimento sobre a dinâmica da região (modelo de transformação temporal), baseado em Cadeias de Markov Fuzzy (CMF), possibilita resultados superiores aos produzidos pelos classificadores supervisionados monotemporais. Desta forma, o presente trabalho enfoca um dos aspectos desta abordagem pouco investigados: a combinação de CMF de intervalos de tempo curtos para classificar imagens de períodos longos. A área de estudo utilizada nos experimentos é um remanescente florestal situado no município de Londrina-PR e que abrange todo o limite do Parque Estadual Mata dos Godoy. Como dados de entrada, são utilizadas cinco imagens do satélite Landsat 5 TM com intervalo temporal de cinco anos. De uma forma geral, verificou-se, a partir dos resultados experimentais, que o uso das Cadeias de Markov Fuzzy contribuiu significativamente para a melhoria do desempenho do processo de classificação automática em imagens orbitais multitemporais, quando comparado com uma classificação monotemporal. Ainda, pôde-se observar que as classificações com base em matrizes estimadas para períodos curtos sempre apresentaram resultados superiores aos das classificações com base em matrizes estimadas para períodos longos. Também, que a superioridade da estimação direta frente à extrapolação se reduz com o aumento da distância temporal. Os resultados do presente trabalho poderão servir de motivação para a criação de sistemas automáticos de classificação de imagens multitemporais. O potencial de sua aplicação se justifica pela aceleração do processo de monitoramento do uso e cobertura da terra, considerando a melhoria obtida frente a classificações supervisionadas tradicionais.

Características ambientais e a ocorrência de leishmaniose visceral em Teresina, Piauí: uma aplicação utilizando sensoriamento remoto

Nas Américas, a leishmaniose visceral (LV) experimenta um processo de urbanização e o cão doméstico é considerado o principal reservatório da doença neste cenário, embora seu papel no ciclo de transmissão não esteja totalmente explicado. Este estudo teve como objetivo investigar, por meio da análise de dados espaciais e imagens de sensoriamento remoto, a relação de fatores ambientais com a ocorrência de infecção canina por Leishmania chagasi e sua correlação espacial com a doença humana na cidade de Teresina (Piauí - Brasil), onde foi relatada a primeira epidemia urbana de LV no Brasil. Os resultados são apresentados na forma de dois manuscritos, nos quais são utilizados dados georreferenciados obtidos por meio de um inquérito sorológico canino realizado durante o ano de 2011, em diferentes bairros com transmissão moderada ou intensa. No primeiro, a regressão logística multinível foi utilizada para correlacionar a prevalência da infecção canina com variáveis ambientais de quadrículas de 900m2 (30mx30m) onde os domicílios estavam localizados, ajustando para as características individuais dos cães (sexo, idade e raça) e da residência. Participaram desta análise 717 cães distribuídos em 494 domicílios e 396 quadrículas. Um percentual >16,5% da área da quadrícula coberta por pavimentação clara (ruas de terra ou asfalto antigo) foi a única variável ambiental associada com a infecção canina por L. chagasi (Odds ratio [OR] = 2,00, intervalo de 95% de confiança [IC95%]: 1,22 - 3,26). Estas áreas provavelmente correspondem àquelas mais pobres e com pior infraestrutura urbana, sugerindo a ocorrência de um padrão de transmissão intra-urbano similar aos padrões rurais e peri-urbanos da LV. No segundo manuscrito, a partir da análise hierárquica do vizinho mais próximo foi verificada a presença de sete clusters de maior concentração de cães soropositivos em relação aos soro negativos em áreas menos urbanizadas e com vegetação pouco densa. Participaram desta análise 322 cães distribuídos em cinco bairros. A relação espacial entre os caninos soropositivos e os casos humanos foi investigada através do método da distância média entre os pontos e analisada por meio do teste t. Foi encontrada uma maior proximidade de casos humanos em relação a cães soropositivos quando comparada à distância em relação aos soro negativos, sugerindo a existência de uma relação espacial entre a LV humana e a soropositividade canina. Os resultados contribuem para uma maior compreensão sobre a dinâmica da doença em meio urbano além de fornecer informações úteis para a prevenção e controle da LV em seres humanos.

Estimativa da área impermeável dentro da bacia hidrográfica do Arroio Diluvio (porto Alegre/RS) através de técnicas de sensoriamento remoto e geoprocessamento

Neste trabalho foram realizadas classificações utilizando-se as bandas 1 a 5 e 7 dos sensores Landsat 5 TM (1987) e Landsat 7 ETM+ (2000). A caracterização espectral dos materiais foi realizada em laboratório utilizando um espectrorradiômetro, e através das bandas 1 a 5 e 7 dos sensores Landsat 5 TM (1987) e Landsat 7 ETM+ (2000). A transformação dos dados multiespectrais de imagens de sensoriamento remoto é uma maneira de reduzir o volume de dados através da identificação de classes de interesse numa imagem digital. No intuito de verificar condições de melhoramento na classificação de alvos urbanos em imagens digitais, identificados por procedimentos já conhecidos, como a classificação pela Máxima Verossimilhança, escolheu-se um classificador baseado na lógica fuzzy. O classificador utilizado foi o Fuzzy Set Membership classification - Fuzclass, que faz parte de um conjunto de classificadores não-rígidos disponíveis no programa Idrisi 32. Uma vez que informações sobre o desempenho de produtos deste classificador em áreas urbanas são escassas, foram conduzidos ensaios de comparação de resultados obtidos por este classificador com a verdade terrestre, representada por uma imagem de alta resolução espacial do satélite QuickBird. As áreas teste selecionadas desta imagem atendem ao critério de inalterância das condições de ocupação para o intervalo temporal considerado A comparação feita, permite concluir que o classificador apresenta limitações na classificação de áreas urbanas devido ao comportamento espectral semelhante dos materiais que fazem parte dessa cobertura. A utilização de uma classe única para identificar áreas impermeáveis foi a solução adotada para contornar este óbice. O emprego de áreas teste possibilitou acertar a escolha do grau de possibilidade de presença da classe no pixel (PPCP). Uma comparação entre os resultados apresentados na classificação de áreas impermeáveis, com base nos classificadores Máxima Verossimilhança e Fuzclass, demonstrou um desempenho melhor do classificador fuzzy, em função do nível de PPCP ajustado durante a análise comparativa Landsat e Quickbird nas áreas teste. Um procedimento alternativo de estimativa de áreas impermeáveis em bacias urbanas é apresentado no final.

Monitoramento geoambiental do estuário do Rio Paraíba do Norte - PB por meio da cartografia temática digital e de produtos de sensoriamento remoto

The North Paraíba River Estuary, located in the eastern portion of the Paraíba State, Northeast Brazil, on coordinates 34º50 00 -34º57 30 S and 6º55 00 -7º7 30 W, constitutes a fluvio-marine plain formed by the North Paraíba River and its tributaries Sanhauá, Paroeira, Mandacaru, Tiriri, Tambiá, Ribeira and Guia. This estuary comprises an area of about 260 km2. Increasing human demands on the estuary area and inadequate environment managing have generated conflicts. The present work main purpose is to evaluate the geodynamic evolution of the North Paraíba River Estuary in the period from 1969 to 2001, using digital image processing techniques, thematic digital cartography and multitemporal data integration, combined to geological-geophysical field surveys. The SUDENE cartographic database, converted to digital format were, used to obtain occupation and topographic maps from 1969 and to generate a Digital Elevation Model (DEM). Digital Landsat 7 ETM+ and Spot HRVIR-PAN satellite images interpretation allowed the environmental characterization of the estuary. The most important digital processing results were achieved color composites RGB 5-4-3, 5-3-1, 5-2-NDWI and band ratio 7/4-5/3-4/2, 5/7-3/1-5/4). In addition the fusion image technique RGBI was used by the inclusion of the Spot HRVRI and Landsat 7 ETM+ panchromatic band on I layer with RGB triplets 5-4-3, 5-3-1 and 5/7-3/1-5/4. The DEM and digital images integration allowed the identification of seven geomorphological units: coastal tableland, flowing tray, tide plain, fluvial terrace, submerged dune, beach plain and beach). Both Side Scan Sonar and Echosound were used to analyse underwater surface and bedforms of the estuarine channel, sand predominance (fine to very fine) and 2D dune features 5 m wide and 0.5 m height. This investigation characterized the estuary as an environment dominated by regimen of average flow. The channel depth varies between 1 m and 11 m, being this last quota reached in the area of Porto de Cabedelo. The chanel estuary is relatively shallow, with erosion evidences mainly on its superior portion, attested by sand banks exposed during the low tide. Multitemporal digital maps from 1969 and 2001 integration were obtained through geoprocessing techniques, resulting the geodynamic evolution of the estuary based on landuse, DEM geomorphology and bathymetric maps

Classificação de cobertura do solo utilizando árvores de decisão e sensoriamento remoto

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Caracterização e mapeamento da cultura da cana-de-açúcar no município de Rio Claro (SP) por meio de técnicas de sensoriamento remoto e sistemas de informações geográficas

This paper discusses about the use of remote sensing image and processing digital images tools for mapping and assessing the effect on the biomass of the culture of sugar cane in the city of Rio Claro. We used satellite images from CBERS in the passages of 19/04/2009 and 23/09/08, which correspond respectively to the stages where the sugar cane appeared in growing and adult pre-harvest stage. In these images, we applied procedures of digital processing, as the application of the procedures for extending linear contrast, radiometric normalization, Normalized Vegetation Index (NDVI) and pixel by pixel classification by ISOSEG through of the software SPRING. As a result we obtained mapping of the distribution and development stages of the culture of sugar cane in the city of Rio Claro and the mapping of the existing biomass of this culture, showing that the method used to assess the relative effect on biomass in culture of sugar cane was efficient, and that images of low-medium resolution are not the most suitable for the mapping of this culture