Object-based image analysis for vegetation physiognomies classification in high spatial resolution images;Análise de imagem baseada em objeto para classificação das fisionomias da vegetação em imagens de alta resolução espacial

Geociencias

Volumn 32, Issue 3, 2013, Pages 441-451

  Furtado, Luiz Felipe de Almeida ^a   Francisco, Cristiane Nunes ^b   de Almeida, Cláudia Maria ^a  

^a INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS   (Brazil)

^b FLUMINENSE FEDERAL UNIVERSITY   (Brazil)

Author keywords

Object based image analysis (OBIA); Remote sensing; Vegetation classification

Indexed keywords

CLASSIFICATION; DIGITAL ELEVATION MODEL; IMAGE ANALYSIS; REMOTE SENSING; SPATIAL RESOLUTION; VEGETATION CLASSIFICATION;

BRAZIL; NOVA FRIBURGO; RIO DE JANEIRO [BRAZIL];

EID: 84897924650     PISSN: 01019082     EISSN: 1980900X     Source Type: Journal    
DOI: None     Document Type: Article

References (35)

1. ALBUQUERQUE, C.K.; CRUZ, C.B.M.; BARROS, R.S. Sensibilidades de índices de vegetação para classificação do estado de conservação da cobertura florestal. In: Simpósio Brasileiro de Sensoriamento Remoto, 15, 2011. Curitiba, Brasil. Anais. São José dos Campos: INPE, 2011. p. 1652-1659.
2. AMARAL, M.V.F.; SOUZA, A. L.; SOARES, V. P.; SOARES, C. P; LEITE, H. G.; MARTINS, S.V.; FERNANDES FILHO, S.V.; LANA, E.I.J.M. Avaliação e comparação de métodos de classificação de imagens de satélites para o mapeamento de estádios de sucessão florestal. Revista Árvore, v. 33, n. 3, p. 575-582, 2009.
3. BAATZ, M.; SCHÄPE, A. Multiresolution segmentation-an optimization approach for high quality multi-scale image segmentation. In: STROBL, J.; BLASCHKE, T.; GRIESEBNER, G. (Eds.). Angewandte Geographische Informations-Verarbeitung XII. Beiträge zum AGIT- Symposium Salzburg. Karlsruhe: HerbertWichmann Verlag, p. 12-23, 2000.
4. BLASCHKE, T. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, v. 65, p. 2-16, 2009.
5. CAMARGO, F.F.; FLORENZANO, T.G.; ALMEIDA, C.M.; OLIVEIRA, C.G. Geomorphological Mapping Using Object-Based Analysis and ASTER DEM in the Paraíba do Sul Valley, Brazil. International Journal of Remote Sensing, v. 30, n. 24, p. 6613-6620, 2009.
6. CASTILLA, G. & HAY, GJ. Image objects and geographic objects. In: BLASCHKE, T.; LANG, S.; HAY, G.J. (Eds.) Object-Based Image Analysis Spatial Concepts for Knowledge-Driven Remote Sensing Applications. Berlin: Springer, 2008. p. 91-110.
7. CHAVEZ JR., P.S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, v. 24, n. 3, p. 459-479, 1988.
8. CONGALTON, R. & GREEN, K. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. Boca Raton: CRC/Taylor & Francis, 2009. 183p.
9. CORRADINI, F.A.; STEVAUX, J.C.; FACHINI, M.P. Geomorfologia e distribuição da vegetação ripária na Ilha Mutum, Rio Paraná - PR/MS. Revista Geociências, v. 27, n. 3, p. 345-354, 2008.
10. DALL' OGLIO, P. Programando com Orientação a Objetos. São Paulo: Novatec, 2009. 2. ed. 574 p.
11. DEKKER, R.J. Texture analysis and classification of ERS SAR images for map updating of urban areas in The Netherlands. IEEE Transactions on Geoscience and Remote Sensing, v. 41, n. 9, p. 1950-1958, 2003.
12. DEFINIENS. Definiens Developer 7.04. Germany, 2007.
13. DELL' ACQUA, F. & GAMBA, P. Texture-based characterization of urban environments on satellite SAR images. IEEE Transactions on Geoscience and Remote Sensing, v. 41, n. 1, p. 153-159, 2003.
14. DIGITAL GLOBE. Radiance Conversion of QuickBird Data. Technical Note. Longmont, Colorado, 2003.
15. DORREN, L.K.A.; MAIER, B; SEIJMONSBERGEN, A.C. Improved landsat-based forest mapping in steep mountainous terrain using object-based classification. Forest Ecology and Management, v. 183, n. 1-3, p. 31-46, 2003.
16. ESRI. ArcGIS 9.2. California, USA, 2006.
17. FRANCISCO, C.N. & ALMEIDA, C.M. Avaliação de Desempenho de Atributos Estatísticos e Texturais em uma Classificação de Cobertura da Terra Baseada em Objeto. Boletim de Ciências Geodésicas, v. 18, p. 302-326, 2012.
18. GAO, Y. & MAS, J.F. A comparison of the performance of pixel based and object based classification over images with various spatial resolutions. Online Journal of Earth Sciences, v. 2, p. 27-35, 2008.
19. GERGEL, S.E.; STANGE, Y.; COOPS, N.C.; JOHANSEN, K.; KIRBY, K.R. What is the value of a good map? An example using high spatial resolution imagery to aid riparian restoration. Ecosystems, v. 10, n. 5, p. 688-702, 2007.
20. HARALICK, R. M; SHANMUGAM, K; DINSTEIN, I. Textural Features for Image Classification. IEEE Transactions on Systems, Man and Cybernetics, v. SMC-3, n. 6, p. 610-620, 1973.
21. IBGE. Ortofotos 1:25.000 - Rio de Janeiro. Disponível em: ftp://geoftp.ibge.gov.br/mapas/ortofoto/Projeto_RJ25/TIF/. Acessado em: 12fev2011.
22. JENSEN, J.R. Sensoriamento remoto do ambiente: Uma perspectiva em recursos terrestres. São José dos Campos: Parêntese Editora, 672 p., 2009.
23. JOHANSEN, K.; COOPS, N.C.; GERGEL, S.E.; STANGE, Y. Application of high spatial resolution satellite image for riparian and forest ecosystem classification. Remote Sensing of Enviroment, v. 110, n. 1, p. 29-44, 2007.
24. KRESSLER, F. P. & STEINNOCHER, K. Image data and LIDAR - an ideal combination matched by object oriented analysis. In: Geographic Object-Based Image Analysis, 1, 2006. Salzburg University, Austria. Proceedings. Salzburg: Salzburg University 2006.
25. LANDIS, J. & KOCH, G. The measurement of observer agreement for categorical data. Biometrics, v. 33, n. 1, p. 159-174, 1977.
26. LEONARDI, F. Abordagens Cognitivas e Mineração de Dados Aplicadas a Dados Ópticos Orbitais e de Laser para a Classificação de Cobertura do Solo Urbano. São José dos Campos, 2010. 134 p. Dissertação (Mestrado em Sensoriamento Remoto) - INPE, 2010.
27. LORENZZETTI, J. A. Princípios Físicos de Sensoriamento Remoto - Notas de Aula de SER 333. São José dos Campos: INPE, 2011.
28. MATHER, P. & KOCH, M. Computer Processing of Remotely-Sensed Images: An Introduction. New York: Wiley, 2011. 4. ed. 460 p.
29. METZGER, J.P. O que é ecologia de paisagens? Revista Biota Neotropica, v. 1, n. 1-2, p. 1-9, 2001.
30. NAVULUR, K. Multispectral image analysis using the object-oriented paradigm. Boca Raton: Taylor & Francis Group, 2006. 165 p.
31. NOVO, E.M.L.M. Sensoriamento remoto: Princípios e aplicações. São Paulo, SP: Editora Edgard Blücher LTDA, 2011. 4. ed. 388 p.
32. PONZONI, F.J. & SHIMABUKURO, Y.E. Sensoriamento remoto no estudo da vegetação. São José dos Campos, SP: Editora Parêntese, 144 p., 2010.
33. ROSSITER, D.G. Statistical methods for accuracy assesment of classified thematic maps. Technical Note. Enschede: International Institute for Geo-information Science & Earth Observation (ITC), 2004.
34. SOUSA, A.M.O.; MESQUITA, P.; GONÇALVES, A.C.; MARQUES DA SILVA, J.R.; SILVA, L.L. Detecção de vegetação arbórea através de segmentação e classificação orientada a objecto de imagens multiespectrais de alta resolução (QuickBird). Disponível em: http://hdl.handle.net/10174/2807. Acessado em: 11dez2011.
35. YU, O.; GONG, P.; CLINTON, N.; BIGING, G.; KELLY, M.; SHIROKAUER, D. Object-based Detailed Vegetation Classification with Airborne High Spatial Resolution Remote Sensing Imagery. Photogrammetic Engineering and Remote Sensing, v. 72, n. 7, p. 799-811, 2006.