Land-use and vegetation-cover mapping of an indigenous land area in the state of Mato Grosso (Brazil) based on spectral linear mixing model, segmentation and region classification

Kawakubo, Fernando Shinjí; Morato, Rúbia Gomes; Midaglia, Carmen Lucia; Gomide, Maria Lucia Cereda; Luchiari, Ailton

doi:10.1080/10106040802488534

Cited by 9 publications

(7 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A etapa seguinte consistiu na aplicação da técnica de segmentação com o objetivo de delimitar regiões homogêneas na imagem (HARALICK e SHAPIRO, 1985;ALVES et al, 1996;KAWAKUBO et al, 2009;KAWAKUBO et al, 2013). O critério de homogeneidade adotado em cada região segmentada considerou a homogeneidade espectral observada na composição colorida 543 em RGB (filtros vermelho, verde e azul, respectivamente) e a contextualização do pixel em relação a sua vizinhança.…”

Section: Segmentação E Classificaçãounclassified

Mapeamento Do Cultivo De Café No Sul De Minas Gerais Utilizando Imagens Landsat-5 Tm E Variáveis Topográficas

2016

Self Cite

View full text Add to dashboard Cite

Resumo: Esta pesquisa tem como objetivo mapear os cultivos de café na região de Muzambinho, Cabo Verde e Monte Belo, Sul de Minas Gerais, utilizando imagens Landsat-5 Thematic Mapper e Modelos Digitais do Terreno. A área de estudo localiza-se em uma tradicional região produtora de café, onde o cultivo é praticado, na maioria das vezes, em áreas de relevo fortemente ondulado. Para a realização da pesquisa, incialmente aplicou-se um modelo de iluminação para a correção do efeito topográfico, com o objetivo de reduzir as variações espectrais causadas pelo relevo e assim melhorar o resultado da classificação. Em seguida, as imagens foram segmentadas e classificadas utilizando um algoritmo supervisionado por regiões. Duas classes de café que expressam diferentes condições fenológicas foram consideradas: Café Formação e Café Produção. Os resultados mostram que a correção topográfica melhorou o desempenho da segmentação criando segmentos mais contínuos e representativos das formas dos cultivos. Além disto, um aumento no desempenho da classificação foi observado ao comparar os resultados obtidos no presente estudo com uma classificação convencional pela máxima verossimilhança.Palavras-Chave: uso da terra; correção topográfica; segmentação; classificação por região, sul de Minas Gerais, Landsat TM. Abstract: This research aims to map coffee crops in the region of Muzambinho, Cabo Verde and Monte Belo, Southern Minas Gerais by using Landsat-5 Thematic

show abstract

Section: Segmentação E Classificaçãounclassified

Mapeamento Do Cultivo De Café No Sul De Minas Gerais Utilizando Imagens Landsat-5 Tm E Variáveis Topográficas

2016

Self Cite

View full text Add to dashboard Cite

show abstract

“…In the Brazilian Amazon, LSMM has been used with success in a variety of applications, such as for highlighting cleared areas (Shimabukuro et al 1998;Anderson et al 2005), LULC classes (Adams et al 1995;Lu et al 2004;Kawakubo et al 2009), burning severities (Cochrane and Souza 1998;Shimabukuro et al 2009), and forest degradation caused by logging activities (Souza et al 2003). As well as highlighting targets of interest, the use of the mixing model has the advantage of simplifying the interpretation of the images.…”

Section: Introductionmentioning

confidence: 99%

Use of fraction imagery, segmentation and masking techniques to classify land-use and land-cover types in the Brazilian Amazon

Kawakubo

Morato

Luchiari

2013

International Journal of Remote Sensing

View full text Add to dashboard Cite

This work presents a procedure for classifying land-use and land-cover (LULC) types in the Brazilian Amazon. Fraction imagery representing proportions of green vegetation, soil, and shade was estimated using all six reflective bands of the Landsat-5 Thematic Mapper (TM1 to TM5 and TM7) through the linear spectral mixing model (LSMM). The fraction information registered at pixel level was then related to different types of land classes following three principal procedures: (1) selecting an image or image group as input for segmentation; (2) application of sequences of masking techniques to address the segmentation of preselected areas in order to obtain better image partitioning; and (3) application of an unsupervised classifier by region, named Isoseg, to group the segmented regions. Isoseg is a clustering algorithm that calculates the centre of each class using the covariance matrix and the average vector of the regions. An assessment of the classification was performed visually and by error matrix, relating reference data points to classification results. The results showed that fraction images were effective in highlighting the different types of LULC. Several tests were conducted to evaluate the efficacy of the masking technique in the process for extracting information. The results showed that the use of masks significantly improves the segmentation results. However, in the Isoseg classification process, the masking technique was not able to avoid omission and commission errors between classes of similar structures. On comparing the results obtained in this work with a Maximum Likelihood classification, it was found that adopting the procedures described resulted in increases of 10% in average and global accuracy, and 18% in average reliability. Furthermore, a reduction was observed in the variability of errors created in the classification.

show abstract

“…Para ajudar na seleção dos endmembers, as bandas 3 (canal vermelho) e 4 (canal infravermelho próximo) do TM foram plotadas num gráfico de espalhamento bidimensional. O procedimento se baseia na suposição de que os pixels mais puros de vegetação, solo e sombra estão localizados na extremidade do gráfico (BAJJOUK et al 1998;KAWAKUBO et al 2009). Após a etapa de seleção dos endmembers, o MLME foi gerado, inicialmente, incluído todos os espectros disponíveis (cinco no total).…”

Section: Modelo Linear De Mistura Espectralunclassified

“…Nos procedimentos convencionais utilizando o SPRING, uma única segmentação é feita para toda a imagem com o objetivo de separar as diferentes classes de uso da terra e cobertura vegetal (ALVES et al 1996;ALMEIDA FILHO et al 1998;RODRIGUES-YI et al. 2000;KAWAKUBO et al 2009;KAWAKUBO et al 2010).…”

Section: Classificaçãounclassified

“…Congalton (1991) sugere este numero (no mínimo 50) para que a análise tenha significado estatístico. Tomou-se o cuidado de coletar os pontos de "verdade terrestre" em locais representativos de cada classe (FORGHANI et al 2007;KAWAKUBO et al 2009). A faixa imageada pelo sensor HRC contempla diferentes classes de uso da terra/cobertura vegetal.…”

Section: Processamento Das Imagens Hrc E Validação Da Classificaçãounclassified

See 1 more Smart Citation

Metodologia de classificação de imagens multiespectrais aplicada ao mapeamento do uso da terra e cobertura vegetal na Amazônia: exemplo de caso na região de São Félix do Xingu, sul do Pará.

Kawakubo¹

Self Cite

View full text Add to dashboard Cite

AgradecimentosInfelizmente não conseguirei listar com precisão todos aqueles que de maneira direta ou indireta me ajudaram neste longo caminho da pós-graduação. Peço desculpas desde já para aqueles que injustamente acabaram ficando fora desta lista de agradecimentos.Em primeiro lugar, gostaria de expressar os meus mais sinceros agradecimentos e admiração a Rúbia que sempre me apoiou em todos os momentos de minha carreira como estudante e como profissional. Não poderia deixar de citar também o apoio sem exceção dos meus familiares.Muito obrigado Ailton pela orientação e amizade. Estendo este agradecimento ao Benê, grande amigo que convivi quase que diariamente por cerca de 10 anos. A todos os professores e funcionários do departamento de Geografia da USP, especialmente aos profs. Reinaldo, De Biasi, Déborah, Raffo, Jurandyr etc. Aos grandes amigos Kleber, Nader, Richard Gear, Cabelo, George, Jânio, Mônica do Instituto Florestal, Paulão etc... Não poderia esquecer de registrar os meus agradecimentos ao Sérgio Margulis do Banco Mundial pela possibilidade de contato e esclarecimento de dúvidas a respeito do processo de ocupação na Amazônia.ii Apresentação A extração de informação temática a partir do processamento e interpretação de imagens de sensoriamento remoto é uma das áreas mais importantes da pesquisa vinculada às aplicações na área de Geografia. A última década tem sido marcada pelos lançamentos de vários satélites de sensoriamento remoto que tem proporcionado aos usuários desta tecnologia uma ampla gama de possibilidades de aplicações que se estendem da escala de detalhe (como a do Quick Bird e Ikonos-2 que captam imagens de 0,7 e 1,0 metro respectivamente) a análise regional (como por exemplo, as imagens adquiridas pelo sensor Vegetação a bordo do SPOT-4 e 5 com 1 km de resolução).Aparentemente, as técnicas desenvolvidas para a extração de informações temáticas não tem acompanhado o mesmo ritmo de desenvolvimento dos novos sensores e de suas plataformas. Talvez o método de classificação de imagens multiespectrais mais conhecido ainda seja o da Máxima Verossimilhança (conhecido pelas suas iniciais MaxVer) desenvolvido na década de 1970 para o Landsat MulstiSpectral Scanner System (MSS).Grandes esforços têm sido feitos no sentido de propor métodos alternativos de classificação de imagens que se ajustem ao conteúdo da informação presente na imagem. Métodos que se baseiam em redes neurais artificiais, lógica fuzzy e que incluem informações de vizinhança no processo de decisão têm mostrado nítidas vantagens em relação aos classificadores tradicionais estatísticos.Uma das concepções mais promissoras na extração de informações temáticas trabalha a imagem como sendo formada por um conjunto de objetos e não como pixels isolados. Estes objetos, também conhecidos como regiões, podem ser agrupados ou dissociados em função dos níveis hierárquicos e do contexto em que se inserem.O presente trabalho apresenta uma metodologia de classificação de imagens que se insere dentro desta concepção. A área de estudo corresponde a u...

show abstract

Land-use and vegetation-cover mapping of an indigenous land area in the state of Mato Grosso (Brazil) based on spectral linear mixing model, segmentation and region classification

Cited by 9 publications

References 13 publications

Mapeamento Do Cultivo De Café No Sul De Minas Gerais Utilizando Imagens Landsat-5 Tm E Variáveis Topográficas

Mapeamento Do Cultivo De Café No Sul De Minas Gerais Utilizando Imagens Landsat-5 Tm E Variáveis Topográficas

Use of fraction imagery, segmentation and masking techniques to classify land-use and land-cover types in the Brazilian Amazon

Metodologia de classificação de imagens multiespectrais aplicada ao mapeamento do uso da terra e cobertura vegetal na Amazônia: exemplo de caso na região de São Félix do Xingu, sul do Pará.

Contact Info

Product

Resources

About