Disciplina Discipline PCA5039
Uso de classificadores e analise de imagens de sensoriamento remoto: aplicações ambientais

Área de Concentração: 106132

Concentration area: 106132

Criação: 13/12/2019

Creation: 13/12/2019

Ativação: 13/12/2019

Activation: 13/12/2019

Nr. de Créditos: 5

Credits: 5

Carga Horária:

Workload:

Teórica

(por semana)

Theory

(weekly)

Prática

(por semana)

Practice

(weekly)

Estudos

(por semana)

Study

(weekly)

Duração Duration Total Total
2 1 2 15 semanas 15 weeks 75 horas 75 hours

Docentes Responsáveis:

Professors:

Jose Alberto Quintanilha

Carlos Henrique Grohmann de Carvalho

Objetivos:

OBJETIVOS: Prover aos alunos do Programa em Ciência Ambiental e pesquisadores da área ambiental: - elementos para o correto uso de imagens de sensoriamento remoto e correspondente classificação digital nessas imagens; - conhecimentos de como interpretar imagens de sensoriamento e os resultados das classificações digitais para o reconhecimento, mapeamento e monirotamento da ocupação dos solos/ das terras e gerenciamento dos recursos naturais; - conhecimentos de como usar a classe de cobertura da terra como um substituto para outras informações de interesse (ou seja, atribuir informações / características relevantes a uma classe de cobertura da terra). - uma introdução sobre o estado da arte sobre técnicas e tecnologias de aquisição e processamento de imagens de sensoriamento remoto, incluindo VANTs (drones/UAVs) e bases de dados abertas. Ao final da disciplina os alunos deverão estar habilitados a: 1. entender os vários sistemas sensores e plataformas para a aquisição de dados de sensoriamento remoto e seus respectivos potenciais e limitações em aplicações ambientais; 2. planejar possíveis trabalhos de campo e outros procedimentos para validar os dados e resultados gerados a partir do sensoriamento remoto; 3. utilizar e entender conceitualmente softwares de processamento e análise de imagens de sensoriamento remoto por meio de aulas práticas de laboratório; 4. interpretar, sintetizar e aplicar conhecimentos para produzir novas pesquisas aplicadas em uma área temática (por ex.: vegetação/ uso do solo, área urbana, etc.); 5. formalizar os resultados obtidos na forma de um artigo científico/acadêmico.

Justificativa:

Muito se tem desenvolvido sobre o uso de classificação em images obtidas sobre a superfície terrestre, identificando a cobertura da superfície, detectando a fenologia da vegetação (análises temporais), monitorando incêndios, detectando a extensão de inundações e de secas, calculando índices de vegetação, dentre outras aplicações. Nesse sentido, sensoriamento remote utilizado como ferramenta de mapeamento da ocupação da Terra e o reconhecimento de materiais, naturais e artificiais sobre a superfície da Terra, têm ganho cada dia mais importância nos estudos e proposição de ações na área ambiental. A disciplina proverá conhecimentos básicos de sensoriamento remoto, em particular os novos sensores, satélites e plataformas, bem como elementos para o uso de algoritmos de classificação de imagens, no sentido de auxiliar o entendimento da ocupação da superfície terrestre. Buscar-se-á, a integração com outrs disciplinas do PROCAM bem auxiliar no desenvolvimento dos trabalhos de pesquisa dos pó-graduandos.

Conteúdo:

Teoria e aplicação das tecnologias de sensoriamento remote incluindo VANTs/ UAVs, sensoriamento hiperespectral, fusão de imagens, classificadores estatísticos e não-estatísticos, preparação de artigo científico. Semana Assunto Laboratórios/atividades 1 1. Apresentação da disciplina. 2. Conceitos básicos: sensores; plataformas, satélites comerciais mais recentes; espectro eletromagnético (EE) resposta espectral dos materiais da superfície terrestre. 3. Análise de dados de sensoriamento remoto: o pré-processamento e avaliação estatística de imagens; técnicas de realce de imagem; o Técnicas de transformação: índices espectrais e razão entre bandas. 2 Lab #1:Busca de imagens em bases abertas de dados de sensoriamento remoto (USGS, NASA, INPE, EMBRAPA, etc.), download e importação de dados. Uso do Google Earth Engine - GEE Lab#2: Técnicas de realce de imagem (stretch, filtros) e de transformações em imagens (índices espectrais e razão entre bandas) 3 Classificações não supervisionadas e supervisionadas. 1. Classificação supervisionada: esquemas de classificação, tipos de classificadores (paramétricos vs nãoparamétricos; análise de imagens baseadas em pixel vs objeto); seleção de bandas ótimas, análise de separabilidade de assinaturas espectrais, processos de pósclassificação; avaliação da acurácia: matriz de erros, análise kappa. 4 Lab#3: Classificação supervisionada: espaço de atributos, treinamento, algoritmos mais utilizados. Avaliação da classificação. 5 Classificações não supervisionadas e supervisionadas. 2. Classificação não supervisionada: esquemas de classificação. 6 Lab#4: Classificação não supervisionada: algoritmos mais utilizados e exatidão da classificação. 7 1. Sensoriamento remoto e ecologia da paisagem. 2. Incorporando dados auxiliares nas classificações: uso de camadas de textura, segmentação de imagens. 3. Veículos Aéreos Não Tripulados (VANTs): plataformas e câmeras. 4. Planejamento do trabalho de campo: equipamentos, processamento de imagens, amostragem. 8 Lab#5: Algoritmos de textura e de segmentação. Processamento de imagens de VANTs 9 1. Incorporação de dados auxiliares nas classificações (cont.) 2. Análise de imagem baseada em objetos: OBIA-GEOBIA 3. Classificadores baseados em conhecimento: árvores de decisão / baseadas em regras. 4. Diretrizes para o trabalho em projetos individuais de pesquisa. 10 Introdução ao Deep Learning e de Redes Neurais Artificiais para a classificação de imagens : 1. Histórico 2. Principais arquiteturas 3. Aplicações em sensoriamento remoto Entrega de 2 páginas sobre o artigo de pesquisa (objetivo, questões de pesquisa, método, conjunto de dados) 11 Apresentação do Projeto MapBiomas: monitoramento e mapeamento das mudanças de uso do solo em todo território brasileiro 12 Discussão sobre como deve ser um artigo de pesquisa 13 Apresentação dos esboços dos artigos 14 Discussão final dos artigos 15 Simulaçao de evento com apresentações individuais. Apresentações dos trabalhos individuais como num simpósio ‘real’. Será avaliada a participação nas discussões e a qualidade da apresentação.

Forma de Avaliação:

Relatórios dos Laboratórios (30% da nota final) Ponderação dos Laboratórios: Labs #1 e #4: 2.5% cada; Labs #2, #3: 5% cada, Lab#5: 10%. Artigo (55 % da nota f

Bibliografia:

Livros texto Não será adotado um único livro. Alguns capítulos de livros, artigos de revistas indexadas e outras fontes serão disponibilizados via Moodle. Exemplos: Introductory Digital Image Processing. ISBN: 9780134058160. Jensen, J.R., Prentice Hall 4th ed., 2015. Remote sensing digital image analysis: an introduction. J. A. Richards (John Alan), 5th ed., Berlin ; London : Springer, 2013. Remote Sensing Time Series: Revealing Land Surface Dynamics. Kuenzer, Claudia; Dech, Stefan; Wagner, Wolfgang. Springer Science & Business Media B.V., 2015. Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS journal of photogrammetry and remote sensing, 65(1), 2-16. Toth, C., & Jóźków, G. (2016). Remote sensing platforms and sensors: A survey. ISPRS Journal of Photogrammetry and Remote Sensing, 115, 22-36. Lu, D., & Weng, Q. (2007). A survey of image classification methods and techniques for improving classification performance. International journal of Remote sensing, 28(5), 823-870. Li, Y., Zhang, H., Xue, X., Jiang, Y., & Shen, Q. (2018). Deep learning for remote sensing image classification: A survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, e1264. Material da disciplina O material da disciplina será disponibilizado via Moodle . Leituras Além dos artigos e capítulos de livros indicados no decorrer da disciplina, serão utilizados alguns journals acessíveis via VPN, tais com: International Journal of Remote Sensing Remote Sensing of Environment IEEE Transactions in Geoscience and Remote Sensing Photogrammetric Engineering and Remote Sensing Remote Sensing Reviews Journal of Applied Remote Sensing Remote Sites recomendados No decorrer da disciplina alguns sites serão recomendados, tais como: https://sentinel.esa.int/web/sentinel/missions/se ntinel-2 https://www.usgs.gov/products/data-andtools/real-time-data/remote-land-sensing-andlandsat http://earthobservatory.nasa.gov http://neo.sci.gsfc.nasa.gov/Search.html https://earthengine.google.com/ http://www.inpe.br/

Tipo de oferecimento da disciplina:

Presencial

Class type:

Presencial