%0 Thesis
%4 sid.inpe.br/jeferson/2004/03.11.12.58
%2 sid.inpe.br/jeferson/2004/03.11.12.58.46
%T Síntese genética de redes neurais artificiais ART2 na classificação de imagens ASTER para mapeamento de uso e cobertura da terra na região norte do Mato Grosso
%J Genetic synthesis of artificial neural networks ART2 in the classification of ASTER images for land use and land cover mapping in the north area, Mato Grosso State.
%D 2004
%8 2004-02-16
%9 Dissertação (Mestrado em Sensoriamento Remoto)
%P 124
%A Rojas, Eddy Hoover Mendoza,
%E Shimabukuro, Yosio Edemir (presidente),
%E Santos, João Roberto dos (orientador),
%E Carvalho Júnior, Osmar Abílio de,
%E Bitencourt, Marisa Dantas,
%E Santa Rosa, Antonio Nuno de Castro,
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K sensoriamento remoto, redes neurais, uso da terra, Amazônia, algoritmos genéticos, mapeamento, Mato Grosso (MT), remote sensing, neural nets, land use, Amazon region (\south America), genetic algorithms, mapping, Mato Grosso (State).
%X O presente trabalho tem como objetivo a utilização de uma síntese genética de rede neural artificial não supervisionada Adaptive Resonance Theory (ATR2) na classificação de imagens ASTER para o mapeamento de uso e cobertura da terra em uma área de floresta tropical. A área de estudo está localizada na região norte do Estado do Mato Grosso e é caracterizada por forte processo de ocupação e mudança da paisagem, ocasionada por ações antrópicas como desflorestamento, extração seletiva de madeira e agricultura. Os dados de campo foram obtidos nos meses de maio e junho de 2003. O uso dos dados do sensor Terra/ASTER possibilitou o incremento na análise do processo de ocupação nas áreas de floresta tropical, devido principalmente a sua melhor resolução espacial e espectral, apresentando-se como uma alternativa aos tipos de dados de sensores atualmente disponíveis no mercado. Os parâmetros de entrada para a rede ART2 foram otimizados por algoritmo genético e também foi avaliado seu desempenho no processo da classificação temática dos alvos em relação à verdade terrestre. Os resultados mostraram que através da rede ART2 as diversas classes temáticas definidas em campo foram classificadas de maneira satisfatória. As bandas que possibilitaram maior diferenciação dos alvos foram as bandas 2 (630-690 nm), 3 (760-860 nm), e 4 (1600-1700 nm), enquanto que as bandas 8 (2295-2365 nm) e 6 (2185-2225 nm) complementaram para a identificação dos alvos em estudo. Finalmente avaliando as mudanças ocorridas entre os anos 2002 e 2003, pôde-se observar que houve uma diminuição da área de floresta devido ao aumento de áreas destinadas para agricultura ou pastagens. ABSTRACT: The present work has the objective shows the applicability of the genetic synthesis of the unsupervised artificial neural network ART2 (Adaptive Resonance Theory) in the classification of ASTER images data for the land use and land cover mapping. The study area is located in the north Mato Grosso State, Brazil and is characterized by the strong human occupation process that caused changes in the landscape, by deforestation, selective logging and agricultural. The field data was acquired in May- June of 2003. The use of ASTER images made possible an improved analysis of the occupation process in tropical forest areas. ASTER images have adequate spatial and spectral resolution and are an alternative to the remaining remote sensing data available. The input parameters for the net ART2 were optimized by genetic algorithm and the net was evaluated through comparison of classification results with field data. The results showed a satisfactory classification of ASTER images using ART2. ASTER bands 2 (630-690 nm), 3 (760-860 nm), and 4 (1600-1700 nm) allowed increased differentiation of classes, while bands 8 (2295-2365 nm) and 6 (2185-2225 nm) were complementary for the identification of classes. The main land use changes that occurred between 2002 and 2003 were related to deforestation since many areas of tropical forest were replaced by agriculture and pastures.
%@language pt
%3 paginadeacesso.html