GeoDMA: a toolbox integrating data mining with object-based and multi-temporal analysis of satellite remotely sensed imagery

• Ano de defesa: 2012
• Autor(a) principal: Thales Sehn Korting
• Orientador(a): Leila Maria Garcia Fonseca, Gilberto Câmara
• Banca de defesa: Maria Isabel Sobral Escada, Raul Queiroz Feitosa, João Paulo Papa, Alexandre Noma
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: The deployment of a new generation of sensors over the last 20 years has made satellite remotely sensed imagery a very important source of spatial data available for environmental studies of large-scale geographic phenomena. The variety of spatial, temporal and spectral resolutions for remote sensing images is large, ranging from panchromatic images to polarimetric radar images. Despite the great experience in image data gathering and distribution and a diversity of image processing and analysis toolboxes, it is still difficult to find image analysis systems that provide a straightforward fully integrated environment to transform multi-temporal and multiresolution satellite image data into meaningful information. Taking this into account, the contribution of this thesis is two-fold. Firstly, we propose and implement a new toolbox, developed under the Free and Open Source Software (FOSS) foundation, for integrating remote sensing imagery analysis methods with data mining techniques producing a user-centered, extensible, rich computational environment for information extraction and knowledge discovery over large geographic databases. The toolbox is called GeoDMA - Geographic Data Mining Analyst. It integrates techniques of segmentation, feature extraction, feature selection, classification, landscape metrics and multi-temporal methods for change detection and analysis with decision-tree based strategies adapted for spatial data mining. It gathers remotely sensed imagery with other geographic data types using access to local or remote databases. GeoDMA provides simulation methods to assess the accuracy of process mo dels as well as tools for spatio-temporal analysis, including a visualization scheme for temporal profiles that helps users to describe patterns in cyclic events. Secondly, we develop a new approach for analyzing spatio-temporal data based on a polar coordinates transformation that allows creating a new set of features which improves the classification accuracy of multi-temporal image databases. As GeoDMA was built on top of Terra View GIS, thematic maps and other results can be produced rapidly, taking advantage of the basic GIS functionalities. To demonstrate the features of GeoDMA toolbox, five (5) case studies, applied in contexts of land use and land cover change, were carried out in different application domains. Evaluations of these experiments pointed out that the GeoDMA toolbox achieved results with a level of integration, from a user perspective, that could not be found elsewhere.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m19/2012/07.31.18.22

O desenvolvimento de uma nova geração de sensores nos últimos 20 anos consolidou as imagens de sensoriamento remoto como uma importante fonte de dados para estudos ambientais e fenômenos geográficos em larga escala. É grande a variedade de resoluções (espacial, temporal e espectral) das imagens de sensoriamento remoto, desde pancromáticas até imagens polarimétricas. Apesar da grande experiência em coleta, armazenamento e distribuição de imagens e da diversidade de ferramentas computacionais para processamento e análise, ainda é difícil de se encontrar sistemas que apresentem um ambiente integrado para transformar imagens multi-temporais e de diversas resoluções em informação útil. Tendo em vista este panorama, a contribuição desta tese é dupla. Em primeiro lugar, propomos e implementamos uma nova ferramenta, seguindo os padrões de código-fonte aberto (\textit{Free and Open Source Software - FOSS}) , para integrar métodos de análise de imagens com técnicas de mineração de dados, visando produzir um ambiente computacional extensível e focado no usuário, aplicado à extração de informações e à descoberta de conhecimento em grandes bases de dados geométricos. Esta ferramenta é chamada GeoDMA - \textit{Geographic Data Mining Analyst} (mineração de dados geográficos). GeoDMA integra técnicas de sementação de imagens, extração e seleção de atributos, classificação, métricas da ecologia da paisagem, métodos de análise multi-temporal para detecção de mudanças e classificação por métodos de árvores de decisão adaptados à mineração de dados espaciais. O sistema agrega imagens de sensoriamento remoto com outros tipos de dados geográficos através do acesso a bancos de dados locais ou remotos. GeoDMA também provê métodos de simulação para avaliar a acurácia dos modelos, e ferramentas para análise espaço-temporal, incluindo um esquema de visuação de perfis temporais que auxilia os usuários a descrever padrões em eventos cíclicos. Em segundo lugar, desenvolvemos um novo método para analizar dados espaço-temporais baseados na transformação dos perfis em coordenadas polares, o que permite a geração de um novo conjunto de atributos que aumenta a acurácia da classificação de imagens multi-temporais. O sistema GeoDMA foi construído como uma extensão do SIG Terra View, e por isso mapas temáticos e demais resultados são produzidos rapidamente, aproveitando-se das funcionalidades deste SIG. Para demonstrar as ferramentas do GeoDMA, cinco (5) casos de estudo, aplicados em diferentes contextos de detecção de uso e cobertura da terra, foram realizados usando dados de diferentes domínios. A avaliação destes experimentos, do ponto de vista do usuário, mostrou que a ferramenta obteve os resultados com um nível de integração não encontrado em sistemas semelhantes.