Skip navigation
Veuillez utiliser cette adresse pour citer ce document : http://repositorio.unb.br/handle/10482/7921
Fichier(s) constituant ce document :
Fichier Description TailleFormat 
ARTIGO_AplicaçãoMetodoIdentificação.pdf1,23 MBAdobe PDFVoir/Ouvrir
Titre: Aplicação do método de identificação espectral para imagens do sensor ASTER em ambiente de cerrado
Auteur(s): Carvalho Júnior, Osmar Abílio de
Guimarães, Renato Fontes
Martins, Éder de Souza
Carvalho, Ana Paula Ferreira de
Gomes, Roberto Arnaldo Trancoso
Assunto:: Processamento de imagens - técnicas digitais
Análise espectral
Sensoriamento remoto
Date de publication: avr-2005
Référence bibliographique: CARVALHO JUNIOR, Osmar Abílio de et al. Aplicação do método de identificação espectral para imagens do sensor ASTER em ambiente de cerrado. Revista Brasileira de Geofísica, São Paulo, v. 23, n. 2, p. 159-172, abr./jun. 2005. Disponível em: <http://www.scielo.br/pdf/rbg/v23n2/a05v23n2.pdf>. Acesso em: 25 abr. 2011. doi: 10.1590/S0102-261X2005000200005.
Résumé: As técnicas de análise espectral permitem uma boa estimativa para a identificação do material procurado pela similaridade entre a curva de referência e a da imagem. Inicialmente os classificadores espectrais foram desenvolvidos para análise de imagens de sensores hiperespectrais. No entanto, vários trabalhos vêm demonstrando bons resultados para a aplicação dessas técnicas em imagens multiespectrais. O presente trabalho possui como objetivo testar o classificador espectral denominado Método de Identificação Espectral (MIE) para imagens multiespectrais do sensor ASTER. O MIE fornece um novo índice de similaridade e três estimativas segundo níveis de significância das possíveis áreas do material procurado. Esse método fundamenta-se no procedimento estatístico ANOVA e no classificador espectral Spectral Correlation Mapper (SCM). Essa informação pode ser utilizada para avaliar o grau de correlação dos materiais em análise, sendo útil em uma análise exploratória. A vantagem desse método é que permite validar estatisticamente a existência do elemento procurado conforme um nível de significância. O método foi aplicado na imagem ASTER referente à área do campo de instrução militar de formosa situada no município de Formosa (GO) próxima ao Distrito Federal. As imagens utilizadas (VNIR e SWIR) foram adquiridas já corrigidas do efeito atmosférico. Duplicando o tamanho dos pixels da imagem SWIR foi feita a união entre as resoluções espaciais entre as imagens VNIR e SWIR. Os membros finais da área de estudo foram detectados através da seguinte seqüência: redução espectral pela transformação MNF (Minimum Noise Fraction), redução espacial pelo índice de pureza de pixel (PPI) e pelo visualizador n-dimensional. A partir dos membros finais referentes à vegetação fotossinteticamente ativa, vegetação não fotossiteticamente ativa e solo realizou-se a classificação. Esta metodologia permitiu identificar os principais cenários na área de estudo.
Abstract: The spectral classifiers allow a good estimate for the mapping of the materials from the similarity between the reference curve and the image. Initially the spectral classifiers had been developed for hyperspectral images analysis. However, some works demonstrate good results for the application of these techniques in multispectral images. The present work aims to evaluate the spectral classifier Spectral Identification Method (SIM) in ASTER image. The Spectral Identification Method (SIM) is proposed to establish a new similarity index and three estimates according to the significance levels (5%, 10% and 15%) of the materials. This method is based on two statistical procedures: ANOVA and Spectral Correlation Mapper (SCM) coefficient. This information can be used to evaluate the degree of correlation among the materials in analysis. The advantage of this method is to validate according to levels of significance of the most probable areas of the sought material. The method was applied to ASTER image at the Military Instruction Field located Formosa (GO) close to Federal District. The images were acquired with atmosphere correction. The pixels size from the SWIR image were duplicated in order to join the VNIR and SWIR images. Endmembers were detected in three steps: a) spectral reduction by the Minimum Noise Fraction (MNF) transformation, b) spatial reduction by the Pixel Purity Index (PPI) and c) manual identification of the endmembers using the N-dimensional visualizer. The classification was made from the endmembers of nonphotosynthetic vegetation (NPV), photosynthetic vegetation (PV) and soil. These procedures allowed to identify the main scenarios in the study area.
DOI: https://dx.doi.org/10.1590/S0102-261X2005000200005
Collection(s) :Artigos publicados em periódicos e afins

Affichage détaillé " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/7921/statistics">



Ce document est autorisé sous une licence de type Licence Creative Commons Creative Commons