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

Pub Date : 2023-06-21 DOI:10.5902/1980509871235
Bárbara Hass Kiyohara, E. Sano
{"title":"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","authors":"Bárbara Hass Kiyohara, E. Sano","doi":"10.5902/1980509871235","DOIUrl":null,"url":null,"abstract":"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.","PeriodicalId":0,"journal":{"name":"","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-06-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"","FirstCategoryId":"97","ListUrlMain":"https://doi.org/10.5902/1980509871235","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

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.
分享
查看原文
评估SAR图像中的极化数据和纹理属性,以区分亚马逊森林域区域的次生林
本研究的目的是评估的能力属性和polarimétricos retroespalhamento哨兵1的很柔软的质地和retroespalhamento COSMO - sky - med (CSM)的区别,在次生林的不同阶段在一个区域的森林地区,马托格罗索州的亚马逊。在本研究中,我们使用了哨兵-1合成孔径雷达(SAR)图像在VV和VH偏振和CSM SAR图像在HH偏振,两者都是单外观复杂格式。在Sentinel-1图像中生成协方差矩阵,并应用H-Alpha目标分解定理得到熵和alpha角属性。在CSM图像中,纹理属性由灰度共现矩阵(GLCM)获得:不相似性、对比度、均匀性和第二时刻。采用支持向量机(SVM)算法进行分类。Sentinel-1的极化属性分类,Kappa指数为0.70,总体准确率为79.58%,优于CSM的极化属性分类,Kappa指数为0.56,总体准确率为63.67%。然而,哨兵-1和CSM衍生的属性在区分次生林不同阶段方面都没有显示出令人满意的结果。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信