@MastersThesis{Lima:2009:ClDeAm,
               author = "Lima, F{\'a}bio Bueno de",
                title = "Classifica{\c{c}}{\~a}o de desmatamento na Amaz{\^o}nia com o 
                         uso de semivariogramas obtidos de imagens SAR R99B",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2009",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2009-09-14",
             keywords = "SAR R99B, desmatamento, Amaz{\^o}nia, semivariograma, S{\~a}o 
                         F{\'e}lix do Xingu, PA, SAR R99B, desforestation, Amazon 
                         (Region), Semivariogram, S{\~a}o F{\'e}lix do Xingu, Par{\'a} 
                         (state).",
             abstract = "O Sensoriamento Remoto permite a aquisi{\c{c}}{\~a}o 
                         sistem{\'a}tica de informa{\c{c}}{\~o}es sobre a 
                         superf{\'{\i}}cie terrestre, bem como do mapeamento do 
                         incremento de desmatamento em floresta tropical. Um exemplo {\'e} 
                         o Projeto de Estimativa de Desflorestamento Bruto da Amaz{\^o}nia 
                         (PRODES), desenvolvido pelo Instituto Nacional de Pesquisas 
                         Espaciais (INPE). Este projeto realiza o mapeamento e estimativa 
                         anual do incremento de desmatamento na Amaz{\^o}nia Brasileira a 
                         partir de imagens de sensores {\'o}pticos. No entanto, a 
                         constante cobertura de nuvens na Amaz{\^o}nia traz a necessidade 
                         do desenvolvimento de novas metodologias. Neste contexto, o sensor 
                         SAR aerotransportado R99B pode ser considerado uma importante 
                         fonte de aquisi{\c{c}}{\~a}o de dados, pois as microondas 
                         praticamente n{\~a}o sofrem interfer{\^e}ncia atmosf{\'e}rica. 
                         Alguns autores t{\^e}m demonstrado que a 
                         Classifica{\c{c}}{\~a}o Textural n{\~a}o Supervisionada por 
                         Semivariograma (USTC) {\'e} um bom instrumento para discriminar 
                         padr{\~o}es de cobertura do solo em imagens de radar. O objetivo 
                         deste trabalho foi avaliar a informa{\c{c}}{\~a}o contida no 
                         semivariograma de dados SAR R99B, banda L multipolarizada, para 
                         discriminar incremento de desmatamento em uma regi{\~a}o ao norte 
                         do munic{\'{\i}}pio de S{\~a}o F{\'e}lix do Xingu PA, 
                         atrav{\'e}s da metodologia de classifica{\c{c}}{\~a}o USTC. Os 
                         resultados indicam que as informa{\c{c}}{\~o}es contidas no 
                         semivariograma omnidirecional da polariza{\c{c}}{\~a}o HV 
                         s{\~a}o eficientes para discriminar {\'a}reas que se encontram 
                         no processo final de desmatamento, corte raso, de {\'a}reas de 
                         florestas. Os resultados mostram que a classifica{\c{c}}{\~a}o 
                         obteve uma acur{\'a}cia elevada e Kappa = 0,57. Os erros de 
                         inclus{\~a}o ocorreram em {\'a}reas sombreadas pelo relevo e os 
                         erros de omiss{\~a}o em {\'a}reas com remanescentes de floresta 
                         em regenera{\c{c}}{\~a}o. Esta metodologia pode ser indicada 
                         como semi-autom{\'a}tica para mapear incremento de desmatamento 
                         na Amaz{\^o}nia utilizando imagens SAR do sensor R99B. ABSTRACT: 
                         The Brazilian airborne R99B SAR sensor is an important source of 
                         remotely sensed data for studies in Amazonia. In digital 
                         classification approaches, the semivariogram is considered a 
                         useful source of spatial information. In this study the potential 
                         of Usupervised Semivariogram Textural Classification - USTC to 
                         discriminate deforestation increment was evaluated. Although some 
                         anisotropy was noticed, omnidirectional semivariograms allowed 
                         discrimination between deforestation and forest areas in R99B HV 
                         polarization SAR images, with kappa = 0,57. In general, commission 
                         errors are predominant for deforestation increment class and are 
                         due to omission errors on PRODES Digital reference map. Relief 
                         shadows are also sources of this kind of error. Omission errors of 
                         deforestation increment occurred even though it is possible to 
                         visually identify omission errors regions in the SAR image, 
                         probably because of the low semivriance difference between some 
                         primary forest and deforestation increment areas. It may happen 
                         mainly in areas where residual biomass still remains on the ground 
                         after slashing and burning; and in deforested areas where already 
                         occur an initial regrowth process. The results shown that the USTC 
                         can be indicate for mapping the deforestation increment using 
                         images from SAR R99B.",
            committee = "Shimabukuro, Yosio Edemir (presidente) and Kuplich, Tatiana Mora 
                         (orientador) and Dami{\~a}o, Darcton Policarpo (orientador) and 
                         Renn{\'o}, Camilo Daleles and Miranda, Fernando Pellon",
           copyholder = "SID/SCD",
         englishtitle = "Classification of deforestation Amazon with semivariogram from SAR 
                         R99B images",
             language = "pt",
                pages = "116",
                  ibi = "8JMKD3MGP8W/362D6S8",
                  url = "http://urlib.net/ibi/8JMKD3MGP8W/362D6S8",
           targetfile = "publicacao.pdf",
        urlaccessdate = "04 maio 2024"
}