Analysis of classification algorithms for crop detection using LANDSAT 8 images

Remote sensing - the acquisition of information about an object or phenomenon without making physical contact with the object - is applied in a multitude of different areas, ranging from agriculture, forestry, cartography, hydrology, geology, meteorology, aerial traffic control, among many others. Regarding agriculture, an example of application of this information is regarding crop detection, to monitor existing crops easily and help in the region’s strategic planning. In any of these areas, there is always an ongoing search for better methods that allow us to obtain better results. For over forty years, the Landsat program has utilized satellites to collect spectral information from Earth’s surface, creating a historical archive unmatched in quality, detail, coverage, and length. The most recent one was launched on February 11, 2013, having a number of improvements regarding its predecessors. This project aims to compare classification methods in Portugal’s Ribatejo region, specifically regarding crop detection. The state of the art algorithms will be used in this region and their performance will be analyzed.

Mapping the Pasture Steppe in Bayankhongor, Mongolia: comparison of classification methods, using Landsat-8 and geophysical data

Grasslands in semi-arid regions, like Mongolian steppes, are facing desertification and degradation processes, due to climate change. Mongolia’s main economic activity consists on an extensive livestock production and, therefore, it is a concerning matter for the decision makers. Remote sensing and Geographic Information Systems provide the tools for advanced ecosystem management and have been widely used for monitoring and management of pasture resources. This study investigates which is the higher thematic detail that is possible to achieve through remote sensing, to map the steppe vegetation, using medium resolution earth observation imagery in three districts (soums) of Mongolia: Dzag, Buutsagaan and Khureemaral. After considering different thematic levels of detail for classifying the steppe vegetation, the existent pasture types within the steppe were chosen to be mapped. In order to investigate which combination of data sets yields the best results and which classification algorithm is more suitable for incorporating these data sets, a comparison between different classification methods were tested for the study area. Sixteen classifications were performed using different combinations of estimators, Landsat-8 (spectral bands and Landsat-8 NDVI-derived) and geophysical data (elevation, mean annual precipitation and mean annual temperature) using two classification algorithms, maximum likelihood and decision tree. Results showed that the best performing model was the one that incorporated Landsat-8 bands with mean annual precipitation and mean annual temperature (Model 13), using the decision tree. For maximum likelihood, the model that incorporated Landsat-8 bands with mean annual precipitation (Model 5) and the one that incorporated Landsat-8 bands with mean annual precipitation and mean annual temperature (Model 13), achieved the higher accuracies for this algorithm. The decision tree models consistently outperformed the maximum likelihood ones.

Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático

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.

Estimation of chlorophyll-a concentration and the trophic state of the Barra Bonita hydroelectric reservoir using oli/landsat-8 images

Reservoirs are artificial environments built by humans, and the impacts of these environments are not completely known. Retention time and high nutrient availability in the water increases the eutrophic level. Eutrophication is directly correlated to primary productivity by phytoplankton. These organisms have an important role in the environment. However, high concentrations of determined species can lead to public health problems. Species of cyanobacteria produce toxins that in determined concentrations can cause serious diseases in the liver and nervous system, which could lead to death. Phytoplankton has photoactive pigments that can be used to identify these toxins. Thus, remote sensing data is a viable alternative for mapping these pigments, and consequently, the trophic. Chlorophyll-a (Chl-a) is present in all phytoplankton species. Therefore, the aim of this work was to evaluate the performance of images of the sensor Operational Land Imager (OLI) onboard the Landsat-8 satellite in determining Chl-a concentrations and estimating the trophic level in a tropical reservoir. Empirical models were fitted using data from two field surveys conducted in May and October 2014 (Austral Autumn and Austral Spring, respectively). Models were applied in a temporal series of OLI images from May 2013 to October 2014. The estimated Chl-a concentration was used to classify the trophic level from a trophic state index that adopted the concentration of this pigment-like parameter. The models of Chl-a concentration showed reasonable results, but their performance was likely impaired by the atmospheric correction. Consequently, the trophic level classification also did not obtain better results.

Análise do potencial do sensor OLI (Operational Land Imager) a bordo do Landsat-8 em estimar a concentração de sólidos totais em suspensão no reservatório de Barra Bonita

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Balanço hídrico em larga escala com imagens landsat 8 em agros-ecossistemas do submédio São Francisco.

Doze imagens Landsat 8 foram usadas em conjunto com uma rede de onze de estações agrometeorológicas para a modelagem em larga escala de indicadores do balanço hídrico nos agrosecossistemas da bacia hidrográfica do Submédio São Francisco, compostos por vegetação natural e culturas irrigadas. O algoritmo SAFER foi usado para a obtenção da evapotranspiração (ET), a qual foi usada em conjunto com dados de precipitação (P) interpolados. Para a classificação da vegetação e caracterização dos indicadores, o algoritmo SUREAL foi aplicado na determinação da resistência da superfície (rs) sendo valores limites de rs usados na separação em culturas agrícolas e espécies da Caatinga. Nas condições naturais mais úmidas do início do ano, as taxas de evapotranspiração na vegetação natural foram em torno de 30% daquelas para culturas irrigadas, enquanto que nas mais secas estas ficaram em torno de 6%. Considerando-se todo o ano, as culturas irrigadas consumiram cinco vezes mais água que as espécies da Caatinga, uma quantidade extra de 870 mm ano-1. Maiores cautelas com relação ao manejo de irrigação devem ser tomadas no período climaticamente mais seco do ano, devido ao aumento da retirada da água do Rio São Francisco, criando maiores possibilidades de conflitos entre os setores agrícolas e outros usuários da água.

Assessment of the spatial variability in Tall wheatgrass forage using LANDSAT 8 satellite imagery to delineate potential management zones

Little information is available on the degree of within-field variability of potential production of Tall wheatgrass (Thinopyrum ponticum) forage under unirrigated conditions. The aim of this study was to characterize the spatial variability of the accumulated biomass (AB) without nutritional limitations through vegetation indexes, and then use this information to determine potential management zones. A 27-×-27-m grid cell size was chosen and 84 biomass sampling areas (BSA), each 2 m(2) in size, were georeferenced. Nitrogen and phosphorus fertilizers were applied after an initial cut at 3 cm height. At 500 °C day, the AB from each sampling area, was collected and evaluated. The spatial variability of AB was estimated more accurately using the Normalized Difference Vegetation Index (NDVI), calculated from LANDSAT 8 images obtained on 24 November 2014 (NDVInov) and 10 December 2014 (NDVIdec) because the potential AB was highly associated with NDVInov and NDVIdec (r (2) = 0.85 and 0.83, respectively). These models between the potential AB data and NDVI were evaluated by root mean squared error (RMSE) and relative root mean squared error (RRMSE). This last coefficient was 12 and 15 % for NDVInov and NDVIdec, respectively. Potential AB and NDVI spatial correlation were quantified with semivariograms. The spatial dependence of AB was low. Six classes of NDVI were analyzed for comparison, and two management zones (MZ) were established with them. In order to evaluate if the NDVI method allows us to delimit MZ with different attainable yields, the AB estimated for these MZ were compared through an ANOVA test. The potential AB had significant differences among MZ. Based on these findings, it can be concluded that NDVI obtained from LANDSAT 8 images can be reliably used for creating MZ in soils under permanent pastures dominated by Tall wheatgrass.

Sistemas de produção em pecuária espacializados quanto ao Índice de Vegetação da Diferença Normalizada (NDVI) derivado de imagens do satélite Landsat 8.

Nosso objetivo neste estudo foi avaliar espacialmente, usando geoestatística, a variação do Índice de Vegetação da Diferença Normalizada (NVDI) em dois tipos de sistemas de pastejo: rotacionado e contínuo. A obtenção do NDVI ocorreu por meio de imagens do satélite Landsat 8 de 2013 a 2015, tratadas usando o software ArcGIS 10.3. Os valores de NDVI foram atribuídos a cada pixel (30 x 30 m) da imagem. As datas das imagens foram agrupadas em duas estações, seca (de abril a setembro) e chuvosa (de outubro a março), e os valores de NDVI foram analisados usando estatística descritiva e geoestatística, incluindo análise dos semivariogramas e interpolação por krigagem ordinária em uma grade de 1 x 1 m. Os parâmetros de dependência espacial obtidos pelo ajuste do semivariograma foram utilizados para a interpolação por krigagem ordinária, e os mapas foram elaborados. Houve dependência espacial para o NDVI nos dois sistemas de produção de pecuária, com melhor representação da variabilidade na estação seca de 2013, pois o padrão de variabilidade espacial do semivariograma escalonado indica maior homogeneidade dos dados da área de estudo nessa época em relação às demais. Os mapas resultantes da krigagem permitiram identificar, com maior precisão, a interferência da condição de estresse hídrico no desenvolvimento da pastagem, mais vigorosa no sistema rotacionado. A utilização de NDVI obtido por imagens de satélite Landsat 8 demonstrou potencial para o acompanhamento do vigor da vegetação em áreas de pastagem.

Análise das deslocações do Elefante Africano (Loxodonta africana) em função de factores ambientais e actividades humanas na Reserva Florestal de Moribane, Moçambique

Dissertação de Mestrado, Gestão e Conservação da Natureza, 10 de Dezembro de 2015, Universidade dos Açores.

Deteção remota na avaliação das alterações da cobertura do solo no Parque Nacional da Peneda-Gerês

Dissertação de mestrado integrado em Engenharia Civil

Télédétection du carbone organique des lacs boréaux

Une estimation des quantités de carbone organique dissous dans les millions de lacs boréaux est nécessaire pour améliorer notre connaissance du cycle global du carbone. Les teneurs en carbone organique dissous sont corrélées avec les quantités de matière organique dissoute colorée qui est visible depuis l’espace. Cependant, les capteurs actuels offrent une radiométrie et une résolution spatiale qui sont limitées par rapport à la taille et l’opacité des lacs boréaux. Landsat 8, lancé en février 2013, offrira une radiométrie et une résolution spatiale améliorées, et produira une couverture à grande échelle des régions boréales. Les limnologistes ont accumulé des années de campagnes de terrain dans les régions boréales pour lesquelles une image Landsat 8 sera disponible. Pourtant, la possibilité de combiner des données de terrain existantes avec une image satellite récente n'a pas encore été évaluée. En outre, les différentes stratégies envisageables pour sélectionner et combiner des mesures répétées au cours du temps, sur le terrain et depuis le satellite, n'ont pas été évaluées. Cette étude présente les possibilités et les limites d’utiliser des données de terrain existantes avec des images satellites récentes pour développer des modèles de prédiction du carbone organique dissous. Les méthodes se basent sur des données de terrain recueillies au Québec dans 53 lacs boréaux et 10 images satellites acquises par le capteur prototype de Landsat 8. Les délais entre les campagnes de terrain et les images satellites varient de 1 mois à 6 ans. Le modèle de prédiction obtenu se compare favorablement avec un modèle basé sur des campagnes de terrain synchronisées avec les images satellite. L’ajout de mesures répétées sur le terrain, sur le satellite, et les corrections atmosphériques des images, n’améliorent pas la qualité du modèle de prédiction. Deux images d’application montrent des distributions différentes de teneurs en carbone organique dissous et de volumes, mais les quantités de carbone organique dissous par surface de paysage restent de même ordre pour les deux sites. Des travaux additionnels pour intégrer les sédiments dans l’estimation sont nécessaires pour améliorer le bilan du carbone des régions boréales.

Geoestatística multivariada na delimitação de zonas de manejo na cultura de cana-de-açúcar

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Indices de vegetação na mensuração do estoque de carbono em áreas com cana-de-açúcar

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

Produtividade de biomassa de cana-de-açúcar em função dos índices de vegetação utilizando técnicas de sensoriamento remoto

Pós-graduação em Agronomia (Ciência do Solo) - FCAV

Caracterización de clases de ocupación de suelo y usos agrícolas en un área de la provincia de Toledo (Talavera de la Reina) a partir de imágenes de satélite de media resolución.

Con el presente proyecto se ha pretendido realizar una clasificación de los distintos usos del suelo en la provincia de Toledo y de forma más precisa en el municipio de Talavera de la Reina. Se ha profundizado en los conocimientos sobre teledetección adquiridos durante los años de estudio de la titulación de Ingeniero Técnico en Topografía, cubriendo las aplicaciones más importantes. Para ello, en primer lugar se debe recopilar la información, en este caso se han utilizado dos imágenes Landsat 8 - OLI (19/4/2013 - 9/8/2013) y con el software adecuado se realiza la clasificación dividiendo el suelo en los usos más frecuentes de dicha zona. El resultado obtenido nos muestra los distintos usos del suelo en el año de estudio, 2013, y exponer el potencial de las técnicas de teledetección, para así poder interpretar y llegar a conocer temas de gran relevancia como el aprovechamiento del terreno o el desarrollo del sector agrícola en la zona. El procedimiento consta de la elaboración de los correspondientes documentos cartográficos de usos del suelo y vegetación para el año 2013 a partir de las imágenes de satélite.