scholarly journals Accuracy Improvements in the Orientation of ALOS PRISM Images Using IOP Estimation and UCL Kepler Platform Model

2017 ◽  
Vol 9 (7) ◽  
pp. 634 ◽  
Author(s):  
Tiago Rodrigues ◽  
Edson Mitishita ◽  
Luiz Ferreira ◽  
Antonio Tommaselli
Keyword(s):  
Alos Prism

scholarly journals AVALIAÇÃO DA ACURÁCIA POSICIONAL PLANIMÉTRICA EM MODELOS DIGITAIS DE SUPERFÍCIE COM O USO DE FEIÇÕES LINEARES

2016 ◽  
Vol 22 (1) ◽  
pp. 157-174 ◽  
Author(s):  
Afonso de Paula dos Santos ◽  
Nilcilene das Graças Medeiros ◽  
Gérson Rodrigues dos Santos ◽  
Dalto Domingos Rodrigues
Keyword(s):  
Aster Gdem ◽  
Alos Prism

Atualmente, tem-se aumentado a preocupação com a avaliação da acurácia posicional em dados espaciais, principalmente em dados com informações altimétricas. Contudo, vários trabalhos avaliam apenas a componente altimétrica, desconsiderando a acurácia posicional planimétrica. Assim, este trabalho tem como objetivo avaliar a acurácia posicional planimétrica dos principais MDSs disponíveis gratuitamente para o Brasil, como os modelos SRTM (banda C e X), Aster GDEM versão 2 e TOPODATA. Para a avaliação da acurácia posicional planimétrica dos MDSs, fez-se a extração de feições características do terreno como linhas de cumeadas e linhas de hidrografia numérica. Em seguida, de posse destas feições lineares, aplicou-se o método do Buffer Duplo para avaliar a acurácia posicional planimétrica de acordo com o padrão definido no Decreto-lei n° 89.817/ET-ADGV. Para a comparação destes modelos, utilizou-se como referência um MDS, na escala de 1:25.000, obtido do sensor ALOS/PRISM. Os resultados da avaliação posicional planimétrica apresentaram Classe C na escala 1:100.000 para os MDS SRTM-X e Aster GDEM; para os MDS TOPODATA e SRTM-C, as classificações obtidas foram Classe B e Classe C na escala de 1:250.000, respectivamente

scholarly journals Avaliação de desempenho de atributos estatísticos e texturais em uma classificação de cobertura da terra baseada em objeto

2012 ◽  
Vol 18 (2) ◽  
pp. 302-326 ◽  
Author(s):  
Cristiane Nunes Francisco ◽  
Cláudia Maria de Almeida
Keyword(s):  
Image Analysis ◽  
Rio De Janeiro ◽  
Object Based Image Analysis ◽  
Object Based ◽  
Geographic Object ◽  
Alos Prism

Este artigo tem como objetivo avaliar o desempenho de duas redes semânticas geradas por mineração de dados para a classificação de cobertura da terra por meio de análise de imagens baseada em objetos geográficos (GEographic Object-Based Image Analysis - GEOBIA). Para isto, uma rede utilizou-se de descritores estatísticos e texturais, e a outra, apenas de descritores estatísticos. A base de dados foi constituída de imagens ALOS/AVNIR fusionadas com imagens ALOS/PRISM e dados de relevo provenientes do banco de dados TOPODATA. A área de estudo corresponde ao município de Nova Friburgo, com 933 km², localizado na região serrana do estado do Rio de Janeiro. O índice Kappa alcançado pela classificação baseada em árvore de decisão composta por descritores estatísticos e texturais foi de 0,81, enquanto que este valor para a classificação derivada apenas de descritores estatísticos foi de 0,84. Considerando os índices alcançados, conclui-se que ambos os resultados apresentam excelente qualidade quanto à acurácia da classificação. O teste de hipótese entre os dois índices mostra, com nível de significância de 5%, que não há diferenças entre as duas classificações quanto à acurácia.

scholarly journals Interpretação de imagens orbitais por meio de sistema especialista para o mapeamento de cobertura da terra em região montanhosa

2012 ◽  
Vol 24 (2) ◽  
pp. 283-302 ◽  
Author(s):  
Cristiane Nunes Francisco ◽  
Cláudia Maria de Almeida
Keyword(s):  
Rio De Janeiro ◽  
Alos Prism

Mapas de cobertura da terra constituem uma importante fonte de dados para a elaboração de diagnóstico, ordenamento e gestão do território, sendo fundamentais em projetos de zoneamentos, estudos de impactos ambientais, mapeamentos de áreas de riscos, entre outras aplicações. Em geral, são elaborados com base na interpretação de imagens aerotransportadas ou orbitais e/ou na análise de documentos cartográficos, conjugadas a trabalhos de campo. As técnicas tradicionais de classificação de imagens baseiam-se na análise pixel a pixel ou por regiões, enfocando as diferenças espectrais para extração de informações. A abordagem de análise de imagens baseada em objeto (OBIA), embora se utilize de regiões, representa um avanço em relação às classificações tradicionais por regiões, pois pressupõe necessariamente a existência de um modelo de conhecimento (rede semântica) atrelado ao processo de interpretação da cena, que explicita o conhecimento do intérprete, aproximando-se dos processos cognitivos humanos de interpretação. Este artigo tem como objetivo analisar a classificação de cobertura da terra feita a partir de imagens orbitais por meio de OBIA. Foram utilizados atributos estatísticos e texturais extraídos de imagens ALOS/AVNIR fusionadas com imagens ALOS/PRISM e de dados de relevo do banco de dados geomorfométricos TOPODATA. A área de estudo foi o município de Nova Friburgo, situado na região serrana do Rio de Janeiro. Para a validação da classificação, foi utilizado o índice Kappa, que confronta amostras classificadas com a verdade de campo. O valor do Kappa obtido neste trabalho alcançou 0,85, sendo superior aos encontrados em trabalhos similares que utilizam técnicas tradicionais de classificação.

Extraction and accuracy assessment of high-resolution DEM and derived orthoimages from ALOS-PRISM data over Sahel-Doukkala (Morocco)

2017 ◽  
Vol 10 (2) ◽  
pp. 197-217 ◽  
Author(s):  
Adnane Habib ◽  
Nadia Akdim ◽  
Fatima-ezzahra El Ghandour ◽  
Kamal Labbassi ◽  
Kourosh Khoshelham ◽  
...  
Keyword(s):  
High Resolution ◽  
Accuracy Assessment ◽  
Alos Prism

Glacier mass changes in Rongbuk catchment on Mt. Qomolangma from 1974 to 2006 based on topographic maps and ALOS PRISM data

2015 ◽  
Vol 530 ◽  
pp. 273-280 ◽  
Author(s):  
Qinghua Ye ◽  
Tobias Bolch ◽  
Renji Naruse ◽  
Yuzhe Wang ◽  
Jibiao Zong ◽  
...  
Keyword(s):  
Topographic Maps ◽  
Alos Prism
Sign in / Sign up

Export Citation Format

Share Document