Integração de dados ópticos e SAR para caracterização da paisagem de tensão ecológica em Roraima

• Ano de defesa: 2016
• Autor(a) principal: João Arthur Pompeu Pavanelli
• Orientador(a): João Roberto dos Santos, Lênio Soares Galvão
• Banca de defesa: Fábio Furlan Gama, Maristela Ramalho Xaud, Luciana Spinelli Araujo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• 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: Land use and cover mapping in tropical landscapes are key for management, conservation and to enhance understanding about anthropogenic impacts over natural ecosystems. However, the natural complexity of these landscapes because of subtle transition between vegetation physiognomies, vegetation fragmentation and the mosaic of land uses for agriculture and pasture lands, in addition to persistent cloud cover, often restricts its characterization by means of remote sensing data. In this sense, optical and SAR synergies is becoming relevant, because it generally results in better land use/cover maps. In light of that, the aim of this study was to analyse the integration of OLI/Landsat-8 optical and PALSAR-2/ALOS-2 SAR sensors to characterize the landscape of ecological tension between forest and savannah in Roraima state, by means of Random Forest classifier. The study site in Roraima state cover portions of the municipalities of Mucajaí, Boa Vista and Alto Alegre, with a total area of 1260 km$^{2}$. The region is characterized by the abrupt contact of forest and savannah physiognomies. Seventeen classes were collected during fieldwork and mapped in this research. Landsat CDR surface reflectance data and PALSAR- 2/ALOS-2 dual (HH+HV), Level 1.5, CEOS format (10 metres) were used. From OLI product NDVI and EVI indices were generated. PALSAR-2 image was speckle filtered with a 3x3 Lee filter and GLCM textures were extracted for each polarization, in addition to five spectral indices. In total, 35 bands were used: 8 optical bands and 27 SAR bands. All bands were corregistered based on orthorrectified OLI image and pixels were resampled to 10 metres. Classification was made with data mining Random Forest algorithm. A previous calibration step was required to define the parameters ntree (number of trees in the forest) and mtry (number of variables at each split node). Models whose combination of parameters resulted in minor errors were used for classification. Eighteen models were processed: 6 with only SAR bands, 6 with only optical bands and 6 hybrid models, with distinct band combinations. Best SAR model${'}$s Overall Accuracy was 44.6\% and Kappa 0.39, while optical better result was 76.88\% and 0.74, respectively. Hybrid classification resulted in Overall Accuracy of 82.96\% and Kappa 0.81, with significant statistical difference comparing results of classifications using separated sensors, according to Z test between Kappa values. The better model was formed by six OLI spectral bands and HH and HV.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21b/2016/02.26.16.17

Mapeamentos de uso e cobertura da terra em paisagens tropicais são necessários para fins de manejo, conservação e melhor compreensão dos impactos antropogênicos sobre os ecossistemas naturais. No entanto, a complexidade destas paisagens por conta da transição sutil entre distintas fitofisionomias, a fragmentação da vegetação e o mosaico de áreas ocupadas para fins agropecuários, somada à constante cobertura de nuvens, são fatores limitantes para a caracterização dos territórios a partir de dados de sensoriamento remoto. Nesse sentido, o sinergismo entre sensores ópticos e radares de abertura sintética (SAR) está ganhando evidência, pois geralmente resulta em melhores mapeamentos. Dessa maneira, o objetivo deste trabalho foi analisar o potencial da integração de dados obtidos a partir do sensor óptico OLI/Landsat-8 e SAR PALSAR-2/ALOS-2 para caracterização da paisagem de tensão ecológica entre floresta e savana do estado de Roraima, utilizando o classificador Random Forest. A área de estudo no estado de Roraima abrange porções dos municípios de Mucajaí, Boa Vista e Alto Alegre, com área total de 1260 km$^{2}$. A região é caracterizada pelo contato abrupto entre fisionomias florestais e savana (lavrado). Dezessete classes foram levantadas em campo e mapeadas neste estudo. Foi utilizado o produto Landsat CDR, em reflectância de superfície e uma imagem PALSAR-2 dual (HH+HV), Level 1.5 em formato CEOS, com 10 metros de resolução espacial. Do produto OLI foram extraídos os índices NDVI e EVI para auxiliar a classificação. A imagem PALSAR-2 teve o efeito speckle reduzido pelo filtro Lee 3x3 pixels e foram extraídas dez métricas GLCM de cada polarização, além de cinco índices espectrais. Ao todo foram utilizadas 35 bandas, 8 bandas ópticas e 27 SAR. As imagens foram corregistradas com base na imagem OLI (ortorretificada) e os pixels reamostrados para 10 metros. A classificação se deu com o algoritmo Random Forest, de mineração de dados. Uma etapa prévia de calibração dos parâmetros ntree (número de árvores na floresta) e mtry (número de variáveis usadas a cada nó das árvores), do Random Forest, foi realizada a fim de utilizar os modelos com menor erro para classificação. Foram processados 18 modelos, sendo 6 apenas com dados SAR, 6 apenas com dados ópticos e 6 modelos híbridos, com distintas combinações entre bandas. O melhor modelo SAR atingiu Acurácia Global de 44,6\% e Kappa 0,39, enquanto que para o óptico o resultado foi de 76,88\% e 0,74, respectivamente. O produto híbrido atingiu Acurácia Global de 82,96\% e Kappa 0,81, com diferença estatística significativa em relação aos resultados dos sensores separados, de acordo com o teste Z realizado para comparação entre valores de Kappa. O melhor modelo foi composto apenas com as seis bandas espectrais do OLI e imagens em amplitude HH e HV do PALSAR-2, sendo que a adição de índices espectrais e texturas GLCM do SAR não resultaram em melhorias significativas. Conclui-se, portanto, que o sinergismo entre os sensores óptico e SAR na região de estudo é conveniente para caracterização desta complexa paisagem formada por um mosaico de tipologias de uso e cobertura da terra.