Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

IDENTIFICAÇÃO DE CORPOS HÍDRICOS EM SÉRIE TEMPORAL DE RADAR SENTINEL-1

View through CrossRef
O presente artigo tem o objetivo de contribuir metodologicamente para o mapeamento de corpos hídricos e wetlands, alvos bastante específicos que demandam critérios minuciosos para sua correta classificação, devido a sua dinâmica. Assim, o estudo se concentra na identificação e cartografia de corpos hídricos no estado do Rio de Janeiro, utilizando técnicas de sensoriamento remoto multitemporal em imagens de Radar. Como metodologia de pesquisa foi utilizado algoritmo de aprendizado de máquina na plataforma Google Earth Engine, em imagens de Sentinel 1 – banda C, para a identificação dos alvos. Foi utilizada uma série temporal mensal de imagens de radar, sendo possível testar suas potencialidades na identificação desses objetos. Como resultados obteve-se a classificação e quantificação das coberturas de água do estado do Rio de Janeiro, considerando os 12 meses do ano de 2018. O resultado permitiu identificar a espacialidade dos corpos hídricos, nos diferentes períodos do ano, sem a interferência atmosférica, o que corresponde a um diferencial metodológico na tentativa de mapear a dinâmica anual da inundação. A validação do mapeamento apontou um excelente Índice Kappa (0,93), destacando a potencialidade do uso de imagens de radar para mapeamentos de corpos hídricos.
Title: IDENTIFICAÇÃO DE CORPOS HÍDRICOS EM SÉRIE TEMPORAL DE RADAR SENTINEL-1
Description:
O presente artigo tem o objetivo de contribuir metodologicamente para o mapeamento de corpos hídricos e wetlands, alvos bastante específicos que demandam critérios minuciosos para sua correta classificação, devido a sua dinâmica.
Assim, o estudo se concentra na identificação e cartografia de corpos hídricos no estado do Rio de Janeiro, utilizando técnicas de sensoriamento remoto multitemporal em imagens de Radar.
Como metodologia de pesquisa foi utilizado algoritmo de aprendizado de máquina na plataforma Google Earth Engine, em imagens de Sentinel 1 – banda C, para a identificação dos alvos.
Foi utilizada uma série temporal mensal de imagens de radar, sendo possível testar suas potencialidades na identificação desses objetos.
Como resultados obteve-se a classificação e quantificação das coberturas de água do estado do Rio de Janeiro, considerando os 12 meses do ano de 2018.
O resultado permitiu identificar a espacialidade dos corpos hídricos, nos diferentes períodos do ano, sem a interferência atmosférica, o que corresponde a um diferencial metodológico na tentativa de mapear a dinâmica anual da inundação.
A validação do mapeamento apontou um excelente Índice Kappa (0,93), destacando a potencialidade do uso de imagens de radar para mapeamentos de corpos hídricos.

Related Results

Multi-Resolution Ocean Color roducts to support the Copernicus Marine High-Resolution Coastal Service 
Multi-Resolution Ocean Color roducts to support the Copernicus Marine High-Resolution Coastal Service 
High-quality satellite-based ocean colour products can provide valuable support and insights in the management and monitoring of coastal ecosystems. Today’s availability ...
COBRANÇA PELO USO DE RECURSOS HÍDRICOS: UMA NOVA ABORDAGEM SOBRE AS COMPETÊNCIAS
COBRANÇA PELO USO DE RECURSOS HÍDRICOS: UMA NOVA ABORDAGEM SOBRE AS COMPETÊNCIAS
O presente artigo aborda o entendimento do Supremo Tribunal Federal (STF) acerca das competências envolvidas na instituição da Cobrança pelo Uso de Recursos Hídricos, um dos instru...
Operational monitoring of our hazardous planet with Sentinel-1
Operational monitoring of our hazardous planet with Sentinel-1
<p>The European Commission’s Sentinel-1 constellation, operated by ESA, has been a game changer for operational monitoring of our hazardous planet. When...
Role of the Frontal Lobes in the Propagation of Mesial Temporal Lobe Seizures
Role of the Frontal Lobes in the Propagation of Mesial Temporal Lobe Seizures
Summary: The depth ictal electroencephalographic (EEG) propagation sequence accompanying 78 complex partial seizures of mesial temporal origin was reviewed in 24 patients (15 from...
The Firepond Long Range Imaging CO2 Laser Radar
The Firepond Long Range Imaging CO2 Laser Radar
The Massachusetts Institute of Technology Lincoln Laboratory has developed and tested the most advanced, high power, coherent CO2 laser radar ever built. The Firepond imaging laser...
Gestión de la información hídrica en zona árida: caso de la región de Tarapacá, Norte de Chile
Gestión de la información hídrica en zona árida: caso de la región de Tarapacá, Norte de Chile
La Región de Tarapacá, localizada en el extremo norte de Chile, es una de las zonas más áridas del mundo, parte del desierto de Atacama. El contexto geográfico, climático, geomorfo...
Estimation of Wheat Area using Sentinel-1 and Sentinel-2 Datasets (A Comparative Analysis)
Estimation of Wheat Area using Sentinel-1 and Sentinel-2 Datasets (A Comparative Analysis)
Wheat is the basic staple food, largely grown, widely used and highly demanded. It is used in multiple food products which are served as fundamental constituent to human body. Vari...
Comparison of Synthetic Aperture Radar Sentinel-1 and ALOS-2 observations for lake monitoring
Comparison of Synthetic Aperture Radar Sentinel-1 and ALOS-2 observations for lake monitoring
This work investigates the efficacy of L-band and C-band Synthetic Aperture Radar (SAR) sensors onboard ALOS-2 and Sentinel-1 satellites, as compared to optical sensors onboard Sen...

Back to Top