| Revue: | Acta amazonica |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000371630 |
| ISSN: | 0044-5967 |
| Autores: | Xaud, Maristela Ramalho2 Epiphanio, Jose Carlos Neves1 |
| Instituciones: | 1Instituto Nacional de Pesquisas Espaciais, Sao Jose dos Campos, Sao Paulo. Brasil 2Empresa Brasileira de Pesquisa Agropecuaria, Roraima, Boa Vista, Roraima. Brasil |
| Año: | 2014 |
| Periodo: | Mar |
| Volumen: | 44 |
| Número: | 1 |
| Paginación: | 107-120 |
| País: | Brasil |
| Idioma: | Portugués |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en inglés | Territory occupation and consolidation in the Amazon region have some specific characteristics related to the dynamics of land use and land cover conversions, which can be analyzed using orbital remote sensing images. The aim of this study was to evaluate change detection products generated by change vector analysis (AVM) and image subtraction techniques derived from linear spectral mixing modeling (MLME), applied to Thematic Mapper/Landsat optical images, to study land use and land cover conversions occurring in agricultural settlement areas in the southeastern region of Roraima, Brazil. We analyzed change images derived from application of AVM (magnitude, alpha and beta) and subtraction of fraction images (soil, vegetation and shade), for their ability to identify and discriminate the existing conversions. An extensive field work was used as a guide to define the classes. Exploratory analyses of class behaviors were made and two supervised algorithms for image classification - Bhattacharyya and Support Vector Machine – were tested. By grouping (clumping classes), we sought to optimize conversion identification in the classification products. The results indicated better Bhattacharyya region classifier performance of conversion discrimination. The use of MLME fractions difference images as input into the classifier resulted a very good or excellent classification quality, which was better in comparison with products using AVM images, either in isolation or in conjunction with MLME difference images |
| Resumen en portugués | A ocupação e consolidação do território na Amazônia apresentam diferentes características relacionadas à dinâmica das conversões de uso e cobertura da terra, que podem ser analisadas utilizando imagens orbitais de sensoriamento remoto. O objetivo do presente trabalho foi avaliar os produtos de detecção de mudanças gerados por análise de vetor de mudança (AVM) e subtração de imagens, a partir de imagens-fração derivadas das imagens ópticas TM/Landsat, para o estudo das conversões de uso e cobertura da terra presentes em área de colonização agrícola na região sudeste de Roraima. Analisaram-se as imagens de mudança provenientes da aplicação do AVM (magnitude, alfa e beta) e da subtração das imagens-fração (solo, sombra e vegetação) quanto à sua capacidade de identificar e discriminar as conversões existentes, de acordo com levantamento de campo. Foram testados dois algoritmos de classificação de imagens do tipo supervisionado, Bhattacharyya e Support Vector Machine. Foram feitos agrupamentos para otimizar a identificação das conversões nas classificações testadas. Houve melhor desempenho do classificador por regiões Bhattacharyya na discriminação das conversões. A utilização das imagens-diferença das frações como informação de entrada para o classificador apresentou qualidade de classificação muito boa ou excelente, sendo superior às classificações utilizando os produtos AVM, isoladamente ou em conjunto com as imagens-diferença |
| Disciplinas: | Geografía, Geociencias, Bibliotecología y ciencia de la información |
| Palabras clave: | Geografía física, Geología, Tecnología de la información, Uso del suelo, Detección del cambio, Imágenes de la fracción, Percepción remota, Amazonas |
| Keyword: | Geography, Earth sciences, Library and information science, Physical geography, Geology, Information technology, Land use, Change detection, Fraction images, Remote sensing, Amazon |
| Texte intégral: | Texto completo (Ver PDF) |
