Avaliação de dados polarimétricos e de atributos de textura em imagens SAR para discriminar a floresta secundária em uma área de domínio de floresta amazônica
DOI:
https://doi.org/10.5902/1980509871235Palavras-chave:
Amazônia, Vegetação secundária, Sensoriamento remotoResumo
O objetivo do presente estudo foi avaliar a capacidade de atributos polarimétricos e de retroespalhamento do Sentinel-1 em relação às feições de textura e de retroespalhamento do COSMO-SkyMed (CSM), em discriminar diferentes estágios de floresta secundária em uma área de domínio de Floresta Amazônica, no estado do Mato Grosso. Neste estudo, utilizou-se uma imagem de Radar de Abertura Sintética (SAR) do Sentinel-1 nas polarizações VV e VH e uma imagem SAR do CSM na polarização HH, ambas no formato Single Look Complex. Na imagem Sentinel-1 foi gerada a matriz de covariância e aplicado o teorema de decomposição de alvos H-Alpha, para obtenção dos atributos Entropia e Ângulo alfa. Na imagem CSM, foram obtidos os atributos de textura a partir da matriz de co-ocorrência de níveis de cinza (GLCM): dissimilaridade, contraste, homogeneidade e segundo momento. Para a classificação, foi utilizado o algoritmo Máquina de Vetores de Suporte (SVM). A classificação derivada dos atributos polarimétricos do Sentinel-1, com índice Kappa de 0,70 e exatidão global de 79,58%, apresentou desempenho superior àquela derivada do CSM, com índice Kappa de 0,56 e exatidão global de 63,67%. Entretanto, tanto os atributos derivados do Sentinel-1 como do CSM não apresentaram resultados satisfatórios para discriminar os diferentes estágios de floresta secundária.
Downloads
Referências
AZEVEDO, A. R. de; SANTOS, J. R. dos; GAMA, F. F.; GRAÇA, P. M. L. de A.; MURA, J. C. Caracterização de uso e cobertura da terra na Amazônia utilizando imagens duais multitemporais do COSMO-SkyMed. Acta Amazonica, v. 44, n. 1, p. 87- 98, 2014. DOI: https://doi.org/10.1590/S0044-59672014000100009
BERNARD, E.; PENNA, L. A.; ARAÚJO, E. Downgrading, downsizing, gazettement, and reclassification of protected areas in Brazil. Conservation Biology, v. 28, n. 4, p. 939-950, 2014. DOI: https://doi.org/10.1111/cobi.12298
CARTUS, O.; KELLNDORFER, J.; WALKER, W.; FRANCO, C.; BISHOP, J.; SANTOS, L.; FUENTES, J. M. M. A national, detailed map of forest aboveground carbon stocks in Mexico. Remote Sensing, v. 6, n. 6, p. 5559-5588, 2014. DOI: https://doi.org/10.3390/rs6065559
CARVALHO, R.; ADAMI, M.; AMARAL, S.; BEZERRA, F. G.; AGUIAR, A. P. D. de. Changes in secondary vegetation dynamics in a context of decreasing deforestation rates in Pará, Brazilian Amazon. Applied Geography, v. 106, p. 40-49, 2019. DOI: https://doi.org/10.1016/j.apgeog.2019.03.001
CONGALTON, R. G.; GREEN, K. Assessing the accuracy of remotely sensed data: principles and practices. 2.ed. New York: Lewis Publishers, 183 pp., 2009. DOI: https://doi.org/10.1201/9781420055139
CLOUDE, S. R.; POTTIER, E. A review of target decomposition theorems in radar polarimetry. IEEE transactions on geoscience and remote sensing, v. 34, n. 2, p. 498-518, 1996. DOI: https://doi.org/10.1109/36.485127
CLOUDE, S. R.; POTTIER, E. An entropy-based classification scheme for land application of polarimetric SAR. IEEE Transactions on Geoscience and Remote Sensing, v. 35, n.1, p. 68-78, 1997. DOI: https://doi.org/10.1109/36.551935
DING, B.; WEN, G. Exploiting multi-view SAR images for robust target recognition. Remote Sensing, v. 9, n. 11, p.1150, 2017. DOI: https://doi.org/10.3390/rs9111150
DURO, D. C.; FRANKLIN, S. E.; DUBÉ, M. G. A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural landscapes using SPOT-5 HRG imagery. Remote Sensing of Environment, v. 118, p. 259-272, 2012. DOI: https://doi.org/10.1016/j.rse.2011.11.020
ESA. European Space Agency. Copernicus Sentinel-1: The SAR imaging constellation for land and ocean services, 2019. Available at: https://earth.esa.int/web/eoportal/satellite-missions/c-missions/copernicus-sentinel-1. Access in: 10 September 2019.
FURTADO, L. F. A.; SILVA, T. S. F.; MORAES, E. M. L. M. Dual-season and full-polarimetric C band SAR assessment for vegetation mapping in the Amazon varzea wetlands. Remote Sensing of Environment, v. 174, p. 212-222, 2016. DOI: https://doi.org/10.1016/j.rse.2015.12.013
GAMA, F. F.; MURA, J. C.; ALBUQUERQUE, P. C. G. de; SANTOS, J. R. dos. Avaliação do potencial da interferometria sar para o mapeamento altimétrico de áreas reflorestadas por eucalyptus sp. Boletim de Ciências Geodésicas, v. 16, n.4, p. 519-537, 2010. DOI: https://doi.org/10.1590/S1982-21702010000400003
GARRETT, R. D.; CAMMELLI, F.; FERREIRA, J.; LEVY, S. A.; VALENTIM, J.; VIEIRA, I. Forests and Sustainable Development in the Brazilian Amazon: History, Trends, and Future Prospects. Annual Review of Environment and Resources, v. 46, p. 625-652, 2021. DOI: https://doi.org/10.1146/annurev-environ-012220-010228
HARALICK, R. M.; SHANMUGAM, K.; DINSTEIN, I. Textural features for image classification. IEEE Transactions on Systems, Man and Cybernetics, v. 6, p. 610-621, 1973. DOI: https://doi.org/10.1109/TSMC.1973.4309314
HEINRICH, V. H. A.; DALAGNOL, R.; CASSOL, H. L. G.; ROSAN, T. M.; ALMEIDA, C. T. de; SILVA JUNIOR, C. H. L.; CAMPANHARO, W. A.; HOUSE, J. I.; SITCH, S.; HALES, T. C.; ADAMI, M.; ANDERSON, L. O.; ARAGÃO, L. E. O. C. Large carbon sink potential of secondary forests in the Brazilian Amazon to mitigate climate change. Nature Communications, v. 12, p. 1-11, 2021. DOI: https://doi.org/10.1038/s41467-021-22050-1
IBGE. Amazônia Legal. Available at: https://www.ibge.gov.br/geociencias/cartas-e-mapas/mapas-regionais/15819-amazonia-legal.html?=&t=acesso-ao-produto. Access in: 12 September 2022.
IBGE. Manual Técnico da Vegetação Brasileira. Manuais Técnicos em Geociências, n. 1, Rio de Janeiro, IBGE, 274 p, 2012.
JAFARPOUR, S.; SEDGHI, Z.; AMIRANI, M. C. A robust brain MRI classification with GLCM features. International Journal of Computer Applications, v. 37, n.12, p. 1-5, 2012.
JAKOVAC, C. C.; PEÑA-CLAROS, M.; KUYPER, T. W.; BONGERS, F. Loss of secondary‐forest resilience by land‐use intensification in the Amazon. Journal of Ecology, v. 103, n.1, p. 67-77, 2015. DOI: https://doi.org/10.1111/1365-2745.12298
KUCK, T. N.; GOMEZ, L. D.; SANO, E. E.; BISPO, P. D. C.; HONÓRIO, D. D. Performance of Speckle Filters for COSMO-SkyMed Images from the Brazilian Amazon. IEEE Geoscience and Remote Sensing Letters, v. 19, p. 1-5, 2021. DOI: https://doi.org/10.1109/LGRS.2021.3057263
KUGLER, F.; SCHULZE, D.; HAJNSEK, I.; PRETZSCH, H.; PAPATHANASSIOU, K. P. TanDEM-X Pol-InSAR performance for forest height estimation. IEEE Transactions on Geoscience and Remote Sensing, v. 52, n.10, p. 6404-6422, 2014. DOI: https://doi.org/10.1109/TGRS.2013.2296533
KUPLICH, T. M. Classifying regenerating forest stages in Amazonia using remotely sensed images and a neural network. Forest Ecology and Management, v. 234, n.1-3, p. 1-9, 2006. DOI: https://doi.org/10.1016/j.foreco.2006.05.066
KUPLICH, T. M.; CURRAN, P. J.; ATKINSON, P. M. Relating SAR image texture to the biomass of regenerating tropical forests. International Journal of Remote Sensing, v. 26, n.21, p. 4829-4854, 2005. DOI: https://doi.org/10.1080/01431160500239107
LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, v. 33, p. 159-174, 1977. DOI: https://doi.org/10.2307/2529310
LEE, R.; DE GRANDI, M. R.; DE GRANDI, G. Polarimetric SAR speckle filtering and its implication for classification. IEEE Transactions on Geoscience and Remote Sensing, v. 37, v. 5, p. 2363-2373, 1999. DOI: https://doi.org/10.1109/36.789635
LI, G.; LU, D.; DUTRA, L.; BATISTELLA, M. A comparative analysis of ALOS PALSAR L-band and RADARSAT-2 C-band data for land-cover classification in a tropical moist region. ISPRS Journal of Photogrammetry and Remote Sensing, v. 70, p. 26-38, 2012. DOI: https://doi.org/10.1016/j.isprsjprs.2012.03.010
LUCAS, R. M.; HONZÁK, M.; CURRAN, P. J.; FOODY, G. M.; MILNE, R.; BROWN, T.; AMARAL, S. Mapping the regional extent of tropical forest regeneration stages in the Brazilian Legal Amazon using NOAA AVHRR data. International Journal of Remote Sensing, v. 21, n. 15, p. 2855-2881, 2000. DOI: https://doi.org/10.1080/01431160050121285
MAPBIOMAS. MapBiomas v. 6.0. Available at: https://mapbiomas.org/en/statistics. Access in: 25 June 2022.
NOBRE, C. A.; SAMPAIO, G.; BORMA, L. S.; CARDOSO, M. Land-use and climate change risks in the Amazon and the need of a novel sustainable development paradigm. Proceedings of the National Academy of Sciences, v. 113, n. 39, p. 10759-10768, 2016. DOI: https://doi.org/10.1073/pnas.1605516113
PEREIRA, L. O.; FREITAS, C. C.; SANT’ANNA, S. J. S.; REIS, M. S. ALOS/PALSAR data evaluation for land use and land cover mapping in the Amazon region. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, v. 9, n. 12, p. 5413-5423, 2016. DOI: https://doi.org/10.1109/JSTARS.2016.2622481
PONZONI, F. J.; REZENDE, A. N. P. Caracterização espectral de estágios sucessionais de vegetação secundária arbórea em Altamira (PA), através de dados orbitais. Revista Árvore, v. 28, p. 535–545, 2004. DOI: https://doi.org/10.1590/S0100-67622004000400007
PÔSSA, E. M.; GAMA, F. F.; SANTOS, J. R. dos; MURA, J. C.; BISPO, P. da C. Análise de uso e cobertura da terra na região do tapajós, Amazônia central, a partir de dado polarimétrico PALSAR/ALOS-1 e coerência interferométrica TanDEM-X. Revista Brasileira de Geografia Física, v. 11, n. 6, p. 2094-2108, 2018. DOI: https://doi.org/10.26848/rbgf.v11.6.p2094-2108
REICHE, J.; HAMUNYELA, E.; VERBESSELT, J.; HOEKMAN, D.; HEROLD, M. Improving near-real time deforestation monitoring in tropical dry forests by combining dense Sentinel-1 time series with Landsat and ALOS-2 PALSAR-2. Remote Sensing of Environment, v. 204, p. 147-161, 2018. DOI: https://doi.org/10.1016/j.rse.2017.10.034
SANTOS, M.V. Zoneamento Sócio-Econômico-Ecológico: diagnóstico sócio-econômico-ecológico do Estado de Mato Grosso e assistência técnica na formulação da 2ª aproximação. Cuiabá, MT: SEPLAN-MT, 2000.
SIPAM. Projeto Amazônia SAR: desenvolvimento operacional e primeiros resultados na identificação do desmatamento com Radar orbital. Available at: http://www.sipam.gov.br/projeto-amazonia-sar. Access in: 21 September 2021.
SOTHE, C.; ALMEIDA, C. M. de; LIESENBERG, V.; SCHIMALSKI, M. B. Evaluating Sentinel-2 and Landsat-8 Data to Map Successional Forest Stages in a Subtropical Forest in Southern Brazil, Remote Sensing, v. 9, n. 8, p. 838, 2017. DOI: https://doi.org/10.3390/rs9080838
TERRACLASS. Amazonia Legal. Available at: https://www.terraclass.gov.br/geoportal-aml/ Access: 3 February 2022.
TREUHAFT, R.; GONÇALVES, F.; SANTOS, J. R. dos; KELLER, M.; PALACE, M.; MADSEN, S. N.; SULLIVAN, F.; GRAÇA, P. M. L. A. Tropical-forest biomass estimation at X-band from the spaceborne TanDEM-X interferometer. IEEE Geoscience and Remote Sensing Letters, v. 12, n. 2, p. 239-243, 2015. DOI: https://doi.org/10.1109/LGRS.2014.2334140
WIEDERKEHR, N. C.; GAMA, F. F.; CASTRO, P. B. N.; BISPO, P. da C.; BALZTER, H.; SANO, E. E.; LIESENBERG, V.; SANTOS, J. R.; MURA, J. C. Discriminating Forest successional stages, forest degradation, and land use in central amazon using ALOS/PALSAR-2 full-polarimetric data. Remote Sensing, v.12, p. 3512, 2020. DOI: https://doi.org/10.3390/rs12213512
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Ciência Florestal
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
A CIÊNCIA FLORESTAL se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da lingua, respeitando, porém, o estilo dos autores.
As provas finais serão enviadas as autoras e aos autores.
Os trabalhos publicados passam a ser propriedade da revista CIÊNCIA FLORESTAL, sendo permitida a reprodução parcial ou total dos trabalhos, desde que a fonte original seja citada.
As opiniões emitidas pelos autores dos trabalhos são de sua exclusiva responsabilidade.
