21
views
0
recommends
+1 Recommend
1 collections
    0
    shares
      • Record: found
      • Abstract: found
      • Article: found
      Is Open Access

      Integração de dados de sensoriamento remoto multi resoluções para a representação da cobertura da terra utilizando campos contínuos de vegetação e classificação por árvores de decisão

      Read this article at

      Bookmark
          There is no author summary for this article yet. Authors can add summaries to their articles on ScienceOpen to make them more accessible to a non-specialist audience.

          Abstract

          Este trabalho objetiva desenvolver uma metodologia de integração de multisensores para um sistema de monitoramento da Amazônia. O sistema proposto baseia-se no Vegetation Continuous Fields (VCF) que utiliza um algoritmo de árvore de decisão. O algoritmo utiliza um conjunto de variáveis independentes, no caso métricas multitemporais do MODIS, para recursivamente particionar uma variável dependente, no caso dados de treinamentos provenientes de classes de uso da terra, em subconjuntos, que maximizam a redução do quadrado da soma residual. Os dados de treinamentos são obtidos pela classificação de imagens de alta resolução (Landsat/TM, ETM+ e CBERS 2/CCD). Neste estudo, um algoritmo foi desenvolvido a partir da linguagem IDL, no programa ENVI, e uma rotina estatística do programa S-PLUS. A área de estudo é o Estado do Mato Grosso com uma extensa área de cobertura de Floresta Amazônica. As cenas são classificadas em três classes: floresta, não floresta e água. Comparações do produto final com o mapa regional de uso da terra derivado do PRODES revelam uma concordância geral. Portanto, os resultados desse estudo sugerem que a metodologia é apropriada para a determinação da cobertura da terra na Floresta Amazônica.

          Translated abstract

          This paper aims to develop a methodology of multisensor integration for an Amazon monitoring system. The proposed system employs the Vegetation Continuous Fields (VCF) method that uses the decision tree algorithm. The algorithm uses a set of independent variables, in this case MODIS multi-temporal metrics, to recursively split a dependent variable, in this case training data from class memberships, into subsets, which maximize the reduction of squares of sum of the residuals. The training data are obtained by high-resolution imagery classification (Landsat/TM, ETM+ and CBERS 2/CCD). In this study, an automated algorithm was developed from IDL language in the ENVI software and the statistical procedure of the S-PLUS software. The study area is Mato Grosso State with an extensive area of Amazon forest. The scenes are classified in three classes: forest, non-forest, and water. Comparisons of the final product with regional land cover maps derived from PRODES revel general agreement. Therefore, the results of this study suggest that the methodology is appropriate for land cover determination in the Amazon forest.

          Related collections

          Most cited references 33

          • Record: found
          • Abstract: not found
          • Article: not found

          User's Guide

           A Fluent,  TE Fluent (2013)
            Bookmark
            • Record: found
            • Abstract: not found
            • Article: not found

            Maximizing land cover classification accuracies produced by decision trees at continental to global scales

              Bookmark
              • Record: found
              • Abstract: not found
              • Article: not found

              C45: Programs for Machine Learning

                Bookmark

                Author and article information

                Contributors
                Role: ND
                Role: ND
                Role: ND
                Role: ND
                Journal
                rbg
                Revista Brasileira de Geofísica
                Rev. Bras. Geof.
                Sociedade Brasileira de Geofísica (São Paulo )
                0102-261X
                March 2007
                : 25
                : 1
                : 63-74
                Affiliations
                [1 ] Instituto Nacional de Pesquisas Espaciais Brasil
                [2 ] Comando Geral de Tecnologia da Aeronáutica Brasil
                [3 ] Universidade de Brasília Brazil
                Article
                S0102-261X2007000100006
                10.1590/S0102-261X2007000100006
                Product
                Product Information: website
                Categories
                GEOCHEMISTRY & GEOPHYSICS
                GEOSCIENCES, MULTIDISCIPLINARY

                Comments

                Comment on this article