Desempenho da classificação supervisionada com a inclusão da banda termal em áreas selecionadas do bioma Pampa – Brasil
Resumo
O bioma Pampa é foco de profundas alterações nas últimas décadas e os campos nativos têm sido convertidos para culturas de arroz, soja e silvicultura. Neste artigo foi investigada se a adição de banda do termal em classificação supervisionada Maxver com imagens Landsat aumentaria a acurácia dos mapeamentos de cobertura vegetal no Bioma Pampa. Os resultados apontam para moderado aumento na acurácia das classificações com a utilização da banda do termal. A interpretação visual das imagens também é facilitada com dados de temperatura. Para ambas abordagens (digital e manual), é importante imagens temporais de épocas distintas, que contemplem coberturas vegetais em diferentes estágios e condições de vigor.
Palavras-chave:
Infravermelho Termal, Classificação Digital, Bioma Pampa
Referências
Almeida, C. A.; Valeriano, D. M; Maurano, L.; Vinhas, L.; Fonseca, L. M. G.; Silva, D.; Santos, C. P. F; Martins, F. S. R. V.; Lara, F. C. B.; Maia, J. S.; Profeta, E. R.; Santos, L. O.; Santos, F. C. O; Ribeiro, V. ‘Deforestation monitoring in different Brazilian Biomes: challenges and lessons.’ In: ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume IV-3/W2-2020, 2020, Santiago, Chile. DOI: https://doi.org/10.5194/isprs-annals-IV-3-W2-2020-47-2020
Assis, L. F. F. G, Ferreira, K. R., Vinhas, L., Maurano, L., Almeida, C., Carvalho, A., Camargo, C. 2019. TerraBrasilis: A Spatial Data Analytics Infrastructure for LargeScale Thematic Mapping. ISPRS International Journal of Geo-Information, 8(11), 513. DOI: https://doi.org/10.3390/ijgi8110513
Blaschke, T.; Lang, S.; Lorup, E.; Strobl, J.; Zeil,P.; "Object-oriented image processing in an integrated GIS/remote sensing environment and perspectives for environmental applications". In: Cremers, A. B. & Greve, K. (Hrsg). (2000)
Eisavi, V., Homayouni, S., Yazdi, A. M., & Alimohammadi, A. (2015). Land cover mapping based on random forest classification of multitemporal spectral and thermal images. Environmental Monitoring and Assessment, 187(5), 1–14. DOI: https://doi.org/10.1007/s10661-015-4489-3
Embrapa. Nosso Pampa desconhecido. Porto Alegre: Fundação Zoobotânica do Rio Grande do Sul, 2016. In: Chomenko, l.; Bencke, G. A. (Org.) Capítulo em livro técnico (INFOTECA-E). 2016.
MMA (Ministério do Meio Ambiente). "Pampa". Folder Pampa. (2019) Accessed 15 Abril 2020. https://www.mma.gov.br/biomas/pampa
Nabinger, C.; Ferreira, E. T.; Freitas, A. K.; Carvalho, P. C. F.; Sant'anna, D. M. Produção animal em campo nativo: aplicações de resultados de pesquisa. In: Pillar, V. P.; Müller, S. C.; Castilhos, Z. M. S.; Jacques, A. V. A. (Org.). Campos sulinos: conservação e uso sustentável da biodiversidade. Brasília: Ministério do Meio Ambiente - MMA, p. 175-198. 2009
Ndossi, M. I., And Avdan, U. 2016. Application of open source coding technologies in the production of Land Surface Temperature (LST) maps from Landsat: A PyQGIS plugin. Remote Sensing, 8 (5), 1 - 31. DOI: https://doi.org/10.3390/rs8050413
Rodríguez-Galiano, V. F., Ghimire, B., Pardo-Igúzquiza, E., Chica-Olmo, M., & Congalton, R. G. "Incorporating the downscaled Landsat TM thermal band in landcover classification using random forest". Photogrammetric Engineering and Remote Sensing, 78(2), 129–137 (2012). DOI: https://doi.org/10.14358/PERS.78.2.129
SILVEIRA, A. H. de M.; SILVA, F. M,; HADAD, R. M.; LIBÓRIO, M. P. Aplicações, preferências e comparações entre métodos de classificação supervisionada: o caso de Natal/RN. Ra’e Ga. Curitiba, v.47, n.1, p. 120-135. DOI: https://doi.org/10.5380/raega.v47i1.67845
Sobrino, J. A., Jiménez-Muñoz, J. C., And Paolini, L. 2004. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, 90(4), 434–440. DOI: https://doi.org/10.1016/j.rse.2004.02.003
Sun, L.; Schulz, K. The Improvement of Land Cover Classification by Thermal Remote Sensing. Remote Sensing, 7, 8368 – 8390. DOI: https://doi.org/10.3390/rs70708368
Valor, E., And Caselles, V. 1996. Mapping land surface emissivity from NDVI: Application to European, African, and South American areas. Remote Sensing of Environment, 57(3), 167–184. DOI: https://doi.org/10.1016/0034-4257(96)00039-9
Van De Griend, A. A., and Owen, M. 1993. On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces. International Journal of Remote Sensing, 14(6), 1119–1131. DOI: https://doi.org/10.1080/01431169308904400
Zhang, J., Wang, Y., And Li, Y. 2006. A C++ program for retrieving land surface temperature from the data of Landsat TM/ETM+ band6. Computers and Geosciences, 32(10), 1796–1805. DOI: https://doi.org/10.1016/j.cageo.2006.05.001
Zhao, J., Yu, L., Xu, Y., Ren, H., Huang, X., & Gong, P. (2019). Exploring the addition of Landsat 8 thermal band in land-cover mapping. International Journal of Remote Sensing, 40(12), 4544–4559. DOI: https://doi.org/10.1080/01431161.2019.1569281
Assis, L. F. F. G, Ferreira, K. R., Vinhas, L., Maurano, L., Almeida, C., Carvalho, A., Camargo, C. 2019. TerraBrasilis: A Spatial Data Analytics Infrastructure for LargeScale Thematic Mapping. ISPRS International Journal of Geo-Information, 8(11), 513. DOI: https://doi.org/10.3390/ijgi8110513
Blaschke, T.; Lang, S.; Lorup, E.; Strobl, J.; Zeil,P.; "Object-oriented image processing in an integrated GIS/remote sensing environment and perspectives for environmental applications". In: Cremers, A. B. & Greve, K. (Hrsg). (2000)
Eisavi, V., Homayouni, S., Yazdi, A. M., & Alimohammadi, A. (2015). Land cover mapping based on random forest classification of multitemporal spectral and thermal images. Environmental Monitoring and Assessment, 187(5), 1–14. DOI: https://doi.org/10.1007/s10661-015-4489-3
Embrapa. Nosso Pampa desconhecido. Porto Alegre: Fundação Zoobotânica do Rio Grande do Sul, 2016. In: Chomenko, l.; Bencke, G. A. (Org.) Capítulo em livro técnico (INFOTECA-E). 2016.
MMA (Ministério do Meio Ambiente). "Pampa". Folder Pampa. (2019) Accessed 15 Abril 2020. https://www.mma.gov.br/biomas/pampa
Nabinger, C.; Ferreira, E. T.; Freitas, A. K.; Carvalho, P. C. F.; Sant'anna, D. M. Produção animal em campo nativo: aplicações de resultados de pesquisa. In: Pillar, V. P.; Müller, S. C.; Castilhos, Z. M. S.; Jacques, A. V. A. (Org.). Campos sulinos: conservação e uso sustentável da biodiversidade. Brasília: Ministério do Meio Ambiente - MMA, p. 175-198. 2009
Ndossi, M. I., And Avdan, U. 2016. Application of open source coding technologies in the production of Land Surface Temperature (LST) maps from Landsat: A PyQGIS plugin. Remote Sensing, 8 (5), 1 - 31. DOI: https://doi.org/10.3390/rs8050413
Rodríguez-Galiano, V. F., Ghimire, B., Pardo-Igúzquiza, E., Chica-Olmo, M., & Congalton, R. G. "Incorporating the downscaled Landsat TM thermal band in landcover classification using random forest". Photogrammetric Engineering and Remote Sensing, 78(2), 129–137 (2012). DOI: https://doi.org/10.14358/PERS.78.2.129
SILVEIRA, A. H. de M.; SILVA, F. M,; HADAD, R. M.; LIBÓRIO, M. P. Aplicações, preferências e comparações entre métodos de classificação supervisionada: o caso de Natal/RN. Ra’e Ga. Curitiba, v.47, n.1, p. 120-135. DOI: https://doi.org/10.5380/raega.v47i1.67845
Sobrino, J. A., Jiménez-Muñoz, J. C., And Paolini, L. 2004. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, 90(4), 434–440. DOI: https://doi.org/10.1016/j.rse.2004.02.003
Sun, L.; Schulz, K. The Improvement of Land Cover Classification by Thermal Remote Sensing. Remote Sensing, 7, 8368 – 8390. DOI: https://doi.org/10.3390/rs70708368
Valor, E., And Caselles, V. 1996. Mapping land surface emissivity from NDVI: Application to European, African, and South American areas. Remote Sensing of Environment, 57(3), 167–184. DOI: https://doi.org/10.1016/0034-4257(96)00039-9
Van De Griend, A. A., and Owen, M. 1993. On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces. International Journal of Remote Sensing, 14(6), 1119–1131. DOI: https://doi.org/10.1080/01431169308904400
Zhang, J., Wang, Y., And Li, Y. 2006. A C++ program for retrieving land surface temperature from the data of Landsat TM/ETM+ band6. Computers and Geosciences, 32(10), 1796–1805. DOI: https://doi.org/10.1016/j.cageo.2006.05.001
Zhao, J., Yu, L., Xu, Y., Ren, H., Huang, X., & Gong, P. (2019). Exploring the addition of Landsat 8 thermal band in land-cover mapping. International Journal of Remote Sensing, 40(12), 4544–4559. DOI: https://doi.org/10.1080/01431161.2019.1569281
Publicado
10/11/2021
Como Citar
TRINDADE, Patricia Michele Pereira; PEIXOTO, Daniela Wancura Barbieri; KUPLICH, Tatiana Mora; ALMEIDA, Claudio Aparecido de.
Desempenho da classificação supervisionada com a inclusão da banda termal em áreas selecionadas do bioma Pampa – Brasil. In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA (SBIAGRO), 13. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 62-70.
ISSN 2177-9724.
DOI: https://doi.org/10.5753/sbiagro.2021.18376.
