Caracterização de uso e cobertura da terra na Amazônia utilizando imagens duais multitemporais do COSMO-SkyMed / Land use/land cover characterization in Amazonia using COSMO-SkyMed multitemporal images

The use of radar imagery is an alternative source of information to support the monitoring of the Amazon region, since the optical images have imaging limitations in tropical areas due to the occurrence of clouds. Therefore, the goal of this study is to analyze the radar images in X-band multi-temporal polarized obtained by COSMO-SkyMed satellite (COnstellation of small Satellites for Mediterranean basin Observation), in the intensity mode, isolated and/or combined with textural information, to thematic characterization of land use/land cover in the Humaitل, Amazonas State region. The methodology used includes: analysis of the dual images obtained during two subsequent acquisitions, in order to explore the potential of the dataset as a quad-pol intensity; extraction of textural attributes from the co-occurrence matrix (Gray Level Co-occurrence Matrix) and subsequent contextual classification; statistical assessment of the thematic performance of the intensity and textural images, isolated and in polarized groups. Within the results achieved, the group formed only by the intensity images presented a better performance if compared to those containing the textural attributes. In this discrimination, the classes involved were forest, alluvial forest, reforestation, savannah, pasture and burned areas, yielding 66% overall accuracy and a Kappa value of 0.55. The results showed that X band images, from COSMO-SkyMed, StripMap mode (Ping-Pong), multi-polarized, presents a moderate potential to characterize and monitor the dynamics of land use/land land cover in the Brazilian Amazon.

A utilização de imagens de radar é fonte alternativa de informações para subsidiar o monitoramento da região amazônica, visto que as imagens ópticas têm limitações de imageamento em zonas tropicais face a ocorrência de nuvens. Por conseguinte este trabalho teve como objetivo analisar a capacidade das imagens-radar de banda X multitemporais e polarizadas obtidas pelo satélite COSMO-SkyMed (COnstellation of small Satellites for Mediterranean basin Observation), no modo intensidade, isoladamente e agregados às informações texturais, na caracterização temática de uso e cobertura da terra no município de Humaitá/AM. A metodologia empregada consistiu da: análise das imagens duais obtidas em duas aquisições subsequentes, de forma a explorar a potencialidade do conjunto de dados na forma quad-pol intensidade; extração dos atributos texturais a partir da matriz de coocorrência (Gray Level Co-occurrence Matrix) e posterior classificação contextual; avaliação estatística de desempenho temático das imagens intensidade e texturais, isoladas e em grupos polarizados. Dentre os vários resultados alcançados, foi verificado que o grupo formado somente pelas imagens intensidade apresentou o melhor desempenho, comparado àqueles contendo os atributos texturais. Nesta separabilidade, estavam envolvidas as classes de floresta, floresta aluvial, reflorestamento, savana, pasto e queimada, obtendo-se 66% de acurácia total e valor Kappa de 0,55. Os resultados mostraram que as imagens de banda X do COSMO-SkyMed, modo StripMap (Ping-Pong), multipolarizadas, têm potencial moderado para a caracterização e monitoramento da dinâmica de uso e cobertura da terra na Amazônia brasileira.

Análise do potencial de imagem TerraSAR-X para mapeamento temático no sudoeste da Amazônia brasileira / Analysis of the potential use from TerraSAR-X images for thematic mapping in SW Brazilian Amazon region

O presente trabalho tem como objetivo analisar o potencial de imagens SAR polarimétricas do sensor TerraSAR-X, no modo StripMap, para mapear o uso e cobertura da terra na região sudoeste da Amazônia brasileira. No procedimento metodológico imagens de amplitude nas polarizações A HH e A VV, A

The objective of this work was to analyze the potential use of SAR polarimetric images from the TerraSAR-X sensor system, at StripMap mode, to map land use and land cover in SW Brazilian Amazon. Amplitude images at polarizations A HH, A VV, A

Discriminação de fitofisionomias de floresta de várzea a partir do algoritmo Iterated Conditional Modes aplicado aos dados SAR/R99 (QUAD-POL/Banda L) / Discrimination among flooded forest phytophysiognomies from Iterated Conditional Modes algorithm applied to SAR Data R99 (QUAD POL/L-Band)

Utilizando-se dados do sensor aerotransportado SAR R99, adquiridos na banda L (1,28 GHz) em amplitude e com quatro polarizações (HH, VV, HV e VH), avaliou-se a distinção de fitofisionomias de floresta de várzea existentes nas Reservas de Desenvolvimento Sustentável Amanã e Mamirauá e áreas adjacentes, com a aplicação do algoritmo Iterated Conditional Modes (ICM) de classificação polarimétrica pontual/contextual. Os resultados mostraram que o uso das distribuições multivariadas em amplitude, conjuntamente com uma banda de textura, produziu classificações de qualidade superior àquelas obtidas com dados polarimétricos uni/bivariados. Esta abordagem permitiu a obtenção de um índice Kappa de 0,8963, discriminando as três classes vegetacionais de interesse, comprovando assim o potencial dos dados do SAR R99 e do algoritmo ICM no mapeamento de florestas de várzea da Amazônia.

This study seeks to evaluate the capability of data generated by the synthetic aperture radar SAR R99 sensor to map phytophysiognomies found in the Amanã and Mamirauá Sustainable Development Reserves (RDSA and RDSM). By means of L-band (1.28 GHz), full polarimetric (HH, VV, VH, HV), amplitude data acquired with the SAR R99 sensor, distinctions among flooded forest phytophysiognomies in the RDSA and RDSM and around were achieved. The Iterated Conditional Modes (ICM) algorithm was employed to perform the local/contextual polarimetric classification of the data. Results showed that the use of multivariate distributions in amplitude with a band of texture produced classifications of superior quality in relation to those obtained with the uni/bivariate polarimetric data. This approach allowed to obtain a Kappa index of 0,8963 and the distinction of three vegetation classes of interest, demonstrating the potential of SAR R99 and the ICM algorithm to map flooded vegetation of the Amazon.