%0 Thesis
%4 dpi.inpe.br/lise/2002/03.15.12.58
%2 dpi.inpe.br/lise/2002/03.15.12.58.48
%F 9670
%T Detecção de manchas de óleo na superfície do mar por meio de técnicas de classificação textural de imagens de radar de de abertura sintética (RADARSAT-1)
%J Oil spill detection at the sea surface by textural classification techniques of synthetic aperture radar images (RADARSAT-1)
%D 2002
%8 2000-12-19
%9 Dissertação (Mestrado em Sensoriamento Remoto)
%P 167
%A Soler, Luciana de Souza,
%E Lorenzzetti, João Antonio (presidente/orientador),
%E Freitas, Corina da Costa (orientadora),
%E Stech, José Luiz,
%E Vianna, Márcio Luiz,
%E Miranda, Fernando Pellon de,
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K mancha de óleo, RADARSAT-1, classificação de imagens, derramamento, poluição de óleo, texturas, imagem de radar, radar de abertura sintética, oil pollution, image classification, textures, synhetic aperture radar, SAR, radar imagery, spilling.
%X A procura por reservas de petróleo ao longo de plataformas continentais tem sido realizada, ao longo dos anos, em águas cada vez mais profundas, sendo que o petróleo cru e seus derivados são transportados por um número crescente de navios e oleodutos submarinos através dos oceanos. Como resultado destas atividades, o derramamento de óleo se mostra como uma séria ameaça à preservação e manutenção da saúde dos oceanos. Em virtude das limitações de técnicas convencionais de fiscalização e monitoramento da poluição do mar, tem-se buscado as técnicas de sensoriamento remoto orbital, como as apresentadas neste trabalho. Foram utilizadas imagens do sistema RADARSAT-1/SAR nos modos Fine e ScanSAR Wide obtidas na região da Bacia de Campos-RJ. A estas imagens foram aplicados dois tipos de classificadores texturais: Texture e CTS. Para a determinação da verdade terrestre, foram utilizados dados de direção e intensidade do vento e ondas, devido ao intervalo de 3 a 8 m/s de velocidade do vento a que se limita o monitoramento de óleo; e temperatura da superfície oceânica e cor do oceano no auxílio de localização de áreas de ressurgência, células de chuva e atividade biológica intensa. Os resultados das classificações foram analisados através de um teste estatístico, utilizando o coeficiente de concordância kappa. Observou-se que o Texture apresentou classificações superiores nas imagens Fine em relação ao CTS. Por outro lado, o CTS apresentou resultados superiores quando aplicado às imagens ScanSAR Wide. Conclui-se que a utilização dos classificadores Texture e CTS deve ser feita de modo complementar, conforme o modo de imageamento utilizado. Por fim, concluiu-se que o SAR se mostrou uma ferramenta útil na detecção de manchas na superfície oceânica. ABSTRACT: Oil spills are a serious threat to the ocean preservation and health. Throughout the years, the search for offshore oil reserves has been moved to deeper waters, resulting in an increasing number of ships and pipelines transporting both the crude oil and its derivatives. Because of the limitations of the conventional techniques to monitor oil pollution, remote sensing becomes a powerful tool, and Synthetic Aperture Radar (SAR)images have been used for this purpose. However, there is a need to evaluate the different image processing techniques to detect the presence of oil at the sea surface in SAR images. In this work two textural classifiers were applied: Texture and the Semivariogram Textural Classifier (STC), on RADARSAT-1/SAR Fine and ScanSAR Wide beam modes. Used images were acquired for the continental shelf of Campos Basin-RJ. Wind and wave data derived from numerical forecast models were used to help the interpretation of processed images. In addition, images of sea surface temperature and ocean color were used to indicate probable oil spill look-alikes associated with upwelling areas, rain cells or regions with intense biological activities.The results of both classifiers were analyzed by a statistical test using the kappa coefficient of agreement. Texture classifier showed better results for Fine mode images, while STC performed better on ScanSAR Wide images. Therefore, it was concluded that the use of Texture and STC classifiers should be complementary and used according to the beam mode. The results reinforce the potential of SAR data as an useful tool to detect and monitor oil spills at the sea surface, as long as concurrent auxiliary data is available to minimize misclassification.
%@language pt
%3 publicacao.pdf