%0 Thesis
%4 sid.inpe.br/mtc-m21d/2023/03.28.13.59
%2 sid.inpe.br/mtc-m21d/2023/03.28.13.59.28
%T Processamento de imagens dos satélites brasileiros CBERS-4, CBERS-4a e Amazonia-1 para respostas rápidas a desastres
%J Image processing from the brazilian satellites CBERS-4, CBERS-4a and Amazonia-1 for quick responses to
%D 2023
%8 2023-03-21
%9 Dissertação (Mestrado em Sensoriamento Remoto)
%P 103
%A Rocha, Brenda Oliveira,
%E Rennó, Camilo Daleles (presidente),
%E Körting, Thales Sehn (orientador),
%E Namikawa, Laercio Massaru,
%E Ferreira, Antonio Geraldo,
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K desastres, deslizamentos, inundações, satélites brasileiros, processamento de imagens, disasters, landslides, floods, brazilian satellites, image processing.
%X Dentre a pluralidade de desafios que surgem para a gestão de desastres naturais, a fase de resposta pós-desastre pode ser considerada a mais desafiadora, tendo em vista a necessidade do fornecimento rápido de informações que auxiliem nesse processo. Considerando as muitas vantagens do Sensoriamento Remoto (SR), as imagens de satélite podem contribuir para a análise da extensão das ocorrências e a identificação das áreas mais afetadas, através da utilização de técnicas de Processamento Digital de Imagens (PDI) que revelam áreas de interesse. O International Charter Space and Major Disasters (Carta) é a principal cooperação mundial entre agências espaciais para o fornecimento gratuito de dados de emergência. A cooperação conta com a contribuição do Brasil no processo de resposta aos chamados, quando a ocorrência se encontra dentro da área de cobertura dos satélites brasileiros. Dando importância tanto para os chamados da Carta quanto para outras eventuais solicitações de emergência, a presente pesquisa teve por objetivo utilizar dados oriundos dos satélites brasileiros e sistematizar técnicas de PDI para o apoio à gestão de desastres do tipo deslizamentos de terra e inundações regionais. A mineração de dados foi adotada para extrair os principais atributos obtidos a partir das técnicas de PDI aplicadas aos produtos dos sensores nacionais (WFI/CBERS-4, WFI/AMAZONIA-1, MUX/CBERS-4A e WPM/CBERS-4A). Com o apoio do algoritmo Random Forest (RF), foi realizada uma classificação supervisionada onde os três atributos de maior relevância para a classificação foram combinados no espaço de cores RGB para a identificação rápida das áreas atingidas. A metodologia foi testada em quatro casos de estudo, os quais são: 1) deslizamentos ocorridos no início de 2022 em Petrópolis {{(RJ);}} 2) deslizamentos ocorridos em maio de 2022 em Recife {{(PE);}} e as inundações regionais ocorridas em: 3) três grandes províncias do Paquistão em agosto de {{2022;}} e 4) inundação nos municípios de Itamaraju e Prado (BA) em 2021. O mapeamento realizado pela Carta em cada caso de estudo foram utilizados como referência à avaliação quantitativa e qualitativa das composições finais sugeridas. Para os casos de deslizamentos, a composição proposta para Petrópolis foi (R=CP3, G=SAVI, B=HUE), com uma Acurácia Global (AG) de 81,82%, obtida a partir dos dados do MUX/CBERS-4A. Para o caso de Recife, a composição proposta foi (R=CP3, G=NDWI, B=CP4), com uma AG de 76,70%, com base nos dados do WPM/CBERS/4A. Sobre as inundações regionais, a composição sugerida para o Paquistão foi (R=NIR, G=CP1, B=CP2), com uma AG de 88,33%, utilizando imagens do WFI/CBERS-4. Para o caso das cidades da Bahia, a composição foi (R=NIR, G=CP1, B=EVI), com uma AG de 98,08%, alcançada a partir dos dados do WFI/AMAZONIA-1. A terceira componente principal (CP3) apresentou resultados relevantes no caso dos deslizamentos, assim como a banda do NIR para o caso das inundações regionais. Todas as áreas de interesse puderam ser evidenciadas nas composições sugeridas, com a observação de um melhor contraste entre os alvos sem a necessidade de aplicação de limiares. ABSTRACT: Among the plurality of challenges that arise for the management of natural disasters, the post-disaster response phase can be considered the most challenging, in view of the need to quickly provide information that helps in this process. Considering the many advantages of Remote Sensing (RS), satellite images can contribute to the analysis of the extent of occurrences and the identification of the most affected areas, through the use of Digital Image Processing (DIP) techniques that reveal areas of interest. The International Charter Space and Major Disasters (Charter) is the world's leading cooperation between space agencies for the free provision of emergency data. The cooperation relies on Brazil's contribution in the process of responding to calls, when the occurrence is within the coverage area of Brazilian satellites. Giving importance to both the Charter calls and other possible emergency requests, the present research aimed to use data from Brazilian satellites and systematize DIP techniques to support the management of disasters such as landslides and regional floods. The data mining technique was adopted to extract the main attributes obtained from the PDI techniques applied to national sensor products (WFI/CBERS-4, WFI/AMAZONIA-1, MUX/CBERS-4A and WPM/CBERS-4A). With the support of the Random Forest (RF) algorithm, a supervised classification was performed where the three most relevant attributes for the classification were combined in the RGB color space for the quick identification of the affected areas. The methodology was tested in four case studies, which are: 1) landslides that occurred in early 2022 in Petrópolis {{(RJ);}} 2) landslides that occurred in May 2022 in Recife {{(PE);}} and the regional floods that occurred in: 3) three major provinces of Pakistan in August {{2022;}} and 4) flooding in the municipalities of Itamaraju and Prado (BA) in 2021. The mapping carried out by the Charter in each case study was used as a reference for the quantitative and qualitative evaluation of the suggested final compositions. For cases of landslides, the composition proposed for Petrópolis was (R=CP3, G=SAVI, B=HUE), with a Global Accuracy (GA) of 81.82%, obtained from MUX/CBERS-4A data. For the case of Recife, the proposed composition was (R=CP3, G=NDWI, B=CP4), with an GA of 76.70%, based on WPM/CBERS/4A data. On regional flooding, the suggested composition for Pakistan was (R=NIR, G=CP1, B=CP2), with an GA of 88.33%, using images from WFI/CBERS-4. For the case of the cities in Bahia, the composition was (R=NIR, G=CP1, B=EVI), with an GA of 98.08%, obtained from WFI/AMAZONIA-1 data. The third principal component (CP3) presented relevant results in the case of landslides, as well as the NIR band for the case of regional floods. All areas of interest could be evidenced in the suggested compositions, with the observation of a better contrast between the targets without the need to apply thresholds.
%@language pt
%3 publicacao.pdf