Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais
Ano de defesa: | 2007 |
---|---|
Autor(a) principal: | |
Orientador(a): | , |
Banca de defesa: | , , |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Instituto Nacional de Pesquisas Espaciais
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação do INPE em Sensoriamento Remoto
|
Departamento: |
Não Informado pela instituição
|
País: |
BR
|
Resumo em Inglês: | This research aims to show a methodology for real-time monitoring of new deforestation caused by clearcutting of forested areas in the Brazilian Amazon. A part of Rondonia State was chosen as the study area in the period of time from May 20 to July 15, 2003, nearly two months, where new deforestations were mapped and analysed. Due to the availability of Terra- MODIS data, with high repetitiveness and moderate spatial resolution, and the possibility to employ Computational Intelligence techniques for land-cover change detection, the methodology proposed here is based on the integration of multitemporal data and an artificial neural net for the real-time monitoring of new deforestations. A Multi-Layer Perceptron with Backpropagation algorithm was employed to evaluate the quality of variable used as indicator for deforestation alarm generation. The main contribution of this research is on the production of mechanisms that may help automate alarm systems, also understand temporal profiles (dynamic) of new deforestations in the region. |
Link de acesso: | http://urlib.net/sid.inpe.br/mtc-m17@80/2007/12.19.10.36 |
Resumo: | Essa pesquisa tem como objetivo principal propor uma metodologia para a detecção em tempo real (diária) dos novos desmatamentos causados por corte raso sobre áreas de floresta na Amazônia brasileira. Definiu-se parte do município de Porto Velho, estado de Rondônia, como área de estudo e o período de 20-maio a 15-julho-2003, aproximadamente dois meses, como o período de estudo no qual os novos desflorestamentos ocorridos foram mapeados e analisados. Devido à disponibilidade de dados MODIS/TERRA com alta repetitividade e resolução espacial moderada e a possibilidade de empregar técnicas de Inteligência Computacional na detecção de mudanças de cobertura e uso do solo, a metodologia aqui proposta baseia-se na integração entre esses dados multitemporais (extraídos de imagens fração oriundas do Modelo Linear de Mistura Espectral) e uma rede neural artificial para a detecção em tempo real dos novos desflorestamentos. Utilizou-se uma rede neural conhecida como Perceptron de Múltiplas Camadas com algoritmo de retropropagação de erros para avaliar a qualidade da estimativa da variável Razão_PixelPuro utilizada como indicadora para a geração de alarmes de desmatamento. A principal contribuição dessa tese está associada à geração de mecanismos que podem auxiliar na automatização de sistemas do tipo alerta, além do entendimento do comportamento temporal (dinâmica) dos novos desflorestamentos na região. |
id |
INPE_9f86f7a725ad3c36cdf033330ebadc3b |
---|---|
oai_identifier_str |
oai:urlib.net:sid.inpe.br/mtc-m17@80/2007/12.19.10.36.51-0 |
network_acronym_str |
INPE |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INPE |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisDetecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neuraisReal-time monitoring of deforestation in the Amazon by TERRA/MODIS data and neural networks2007-09-28Antonio Roberto FormaggioYosio Edemir ShimabukuroJosé Demisio Simões da SilvaGetúlio Teixeira BatistaVitor Francisco de Araújo HaertelViviane TodtInstituto Nacional de Pesquisas EspaciaisPrograma de Pós-Graduação do INPE em Sensoriamento RemotoINPEBRDesmatamentosensor MODIS/TERRAredes neuraisAmazôniaPorto VelhodeforestationMODIS/TERRA sensorneural networksAmazon (region)Porto Velho (city)Essa pesquisa tem como objetivo principal propor uma metodologia para a detecção em tempo real (diária) dos novos desmatamentos causados por corte raso sobre áreas de floresta na Amazônia brasileira. Definiu-se parte do município de Porto Velho, estado de Rondônia, como área de estudo e o período de 20-maio a 15-julho-2003, aproximadamente dois meses, como o período de estudo no qual os novos desflorestamentos ocorridos foram mapeados e analisados. Devido à disponibilidade de dados MODIS/TERRA com alta repetitividade e resolução espacial moderada e a possibilidade de empregar técnicas de Inteligência Computacional na detecção de mudanças de cobertura e uso do solo, a metodologia aqui proposta baseia-se na integração entre esses dados multitemporais (extraídos de imagens fração oriundas do Modelo Linear de Mistura Espectral) e uma rede neural artificial para a detecção em tempo real dos novos desflorestamentos. Utilizou-se uma rede neural conhecida como Perceptron de Múltiplas Camadas com algoritmo de retropropagação de erros para avaliar a qualidade da estimativa da variável Razão_PixelPuro utilizada como indicadora para a geração de alarmes de desmatamento. A principal contribuição dessa tese está associada à geração de mecanismos que podem auxiliar na automatização de sistemas do tipo alerta, além do entendimento do comportamento temporal (dinâmica) dos novos desflorestamentos na região.This research aims to show a methodology for real-time monitoring of new deforestation caused by clearcutting of forested areas in the Brazilian Amazon. A part of Rondonia State was chosen as the study area in the period of time from May 20 to July 15, 2003, nearly two months, where new deforestations were mapped and analysed. Due to the availability of Terra- MODIS data, with high repetitiveness and moderate spatial resolution, and the possibility to employ Computational Intelligence techniques for land-cover change detection, the methodology proposed here is based on the integration of multitemporal data and an artificial neural net for the real-time monitoring of new deforestations. A Multi-Layer Perceptron with Backpropagation algorithm was employed to evaluate the quality of variable used as indicator for deforestation alarm generation. The main contribution of this research is on the production of mechanisms that may help automate alarm systems, also understand temporal profiles (dynamic) of new deforestations in the region.http://urlib.net/sid.inpe.br/mtc-m17@80/2007/12.19.10.36info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:53:09Zoai:urlib.net:sid.inpe.br/mtc-m17@80/2007/12.19.10.36.51-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:53:09.809Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false |
dc.title.pt.fl_str_mv |
Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais |
dc.title.alternative.en.fl_str_mv |
Real-time monitoring of deforestation in the Amazon by TERRA/MODIS data and neural networks |
title |
Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais |
spellingShingle |
Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais Viviane Todt |
title_short |
Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais |
title_full |
Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais |
title_fullStr |
Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais |
title_full_unstemmed |
Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais |
title_sort |
Detecção em tempo real de desflorestamentos na Amazônia com uso de dados MODIS/TERRA e redes neurais |
author |
Viviane Todt |
author_facet |
Viviane Todt |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Antonio Roberto Formaggio |
dc.contributor.advisor2.fl_str_mv |
Yosio Edemir Shimabukuro |
dc.contributor.referee1.fl_str_mv |
José Demisio Simões da Silva |
dc.contributor.referee2.fl_str_mv |
Getúlio Teixeira Batista |
dc.contributor.referee3.fl_str_mv |
Vitor Francisco de Araújo Haertel |
dc.contributor.author.fl_str_mv |
Viviane Todt |
contributor_str_mv |
Antonio Roberto Formaggio Yosio Edemir Shimabukuro José Demisio Simões da Silva Getúlio Teixeira Batista Vitor Francisco de Araújo Haertel |
dc.description.abstract.por.fl_txt_mv |
Essa pesquisa tem como objetivo principal propor uma metodologia para a detecção em tempo real (diária) dos novos desmatamentos causados por corte raso sobre áreas de floresta na Amazônia brasileira. Definiu-se parte do município de Porto Velho, estado de Rondônia, como área de estudo e o período de 20-maio a 15-julho-2003, aproximadamente dois meses, como o período de estudo no qual os novos desflorestamentos ocorridos foram mapeados e analisados. Devido à disponibilidade de dados MODIS/TERRA com alta repetitividade e resolução espacial moderada e a possibilidade de empregar técnicas de Inteligência Computacional na detecção de mudanças de cobertura e uso do solo, a metodologia aqui proposta baseia-se na integração entre esses dados multitemporais (extraídos de imagens fração oriundas do Modelo Linear de Mistura Espectral) e uma rede neural artificial para a detecção em tempo real dos novos desflorestamentos. Utilizou-se uma rede neural conhecida como Perceptron de Múltiplas Camadas com algoritmo de retropropagação de erros para avaliar a qualidade da estimativa da variável Razão_PixelPuro utilizada como indicadora para a geração de alarmes de desmatamento. A principal contribuição dessa tese está associada à geração de mecanismos que podem auxiliar na automatização de sistemas do tipo alerta, além do entendimento do comportamento temporal (dinâmica) dos novos desflorestamentos na região. |
dc.description.abstract.eng.fl_txt_mv |
This research aims to show a methodology for real-time monitoring of new deforestation caused by clearcutting of forested areas in the Brazilian Amazon. A part of Rondonia State was chosen as the study area in the period of time from May 20 to July 15, 2003, nearly two months, where new deforestations were mapped and analysed. Due to the availability of Terra- MODIS data, with high repetitiveness and moderate spatial resolution, and the possibility to employ Computational Intelligence techniques for land-cover change detection, the methodology proposed here is based on the integration of multitemporal data and an artificial neural net for the real-time monitoring of new deforestations. A Multi-Layer Perceptron with Backpropagation algorithm was employed to evaluate the quality of variable used as indicator for deforestation alarm generation. The main contribution of this research is on the production of mechanisms that may help automate alarm systems, also understand temporal profiles (dynamic) of new deforestations in the region. |
description |
Essa pesquisa tem como objetivo principal propor uma metodologia para a detecção em tempo real (diária) dos novos desmatamentos causados por corte raso sobre áreas de floresta na Amazônia brasileira. Definiu-se parte do município de Porto Velho, estado de Rondônia, como área de estudo e o período de 20-maio a 15-julho-2003, aproximadamente dois meses, como o período de estudo no qual os novos desflorestamentos ocorridos foram mapeados e analisados. Devido à disponibilidade de dados MODIS/TERRA com alta repetitividade e resolução espacial moderada e a possibilidade de empregar técnicas de Inteligência Computacional na detecção de mudanças de cobertura e uso do solo, a metodologia aqui proposta baseia-se na integração entre esses dados multitemporais (extraídos de imagens fração oriundas do Modelo Linear de Mistura Espectral) e uma rede neural artificial para a detecção em tempo real dos novos desflorestamentos. Utilizou-se uma rede neural conhecida como Perceptron de Múltiplas Camadas com algoritmo de retropropagação de erros para avaliar a qualidade da estimativa da variável Razão_PixelPuro utilizada como indicadora para a geração de alarmes de desmatamento. A principal contribuição dessa tese está associada à geração de mecanismos que podem auxiliar na automatização de sistemas do tipo alerta, além do entendimento do comportamento temporal (dinâmica) dos novos desflorestamentos na região. |
publishDate |
2007 |
dc.date.issued.fl_str_mv |
2007-09-28 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
status_str |
publishedVersion |
format |
doctoralThesis |
dc.identifier.uri.fl_str_mv |
http://urlib.net/sid.inpe.br/mtc-m17@80/2007/12.19.10.36 |
url |
http://urlib.net/sid.inpe.br/mtc-m17@80/2007/12.19.10.36 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação do INPE em Sensoriamento Remoto |
dc.publisher.initials.fl_str_mv |
INPE |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INPE instname:Instituto Nacional de Pesquisas Espaciais (INPE) instacron:INPE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INPE |
collection |
Biblioteca Digital de Teses e Dissertações do INPE |
instname_str |
Instituto Nacional de Pesquisas Espaciais (INPE) |
instacron_str |
INPE |
institution |
INPE |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE) |
repository.mail.fl_str_mv |
|
publisher_program_txtF_mv |
Programa de Pós-Graduação do INPE em Sensoriamento Remoto |
contributor_advisor1_txtF_mv |
Antonio Roberto Formaggio |
_version_ |
1706805031336935424 |