Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio2.unb.br/jspui/handle/10482/10652
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_UtilizacaoClassificadorSpectral.pdf182,47 kBAdobe PDFVisualizar/Abrir
Título: Utilização do classificador Spectral Correlation Mapper em imagens TM-Landsat
Autor(es): Carvalho, Ana Paula Ferreira de
Carvalho Júnior, Osmar Abílio de
Guimarães, Renato Fontes
Martins, Éder de Souza
Bustamante, Mercedes Maria da Cunha
Assunto: Análise espectral
Spectral Correlation Mapper (SCM)
Data de publicação: 2002
Editora: Programa de Pós-Graduação em Geografia do Departamento de Geografia do Instituto de Ciências Humanas da Universidade de Brasília - UnB
Referência: CARVALHO, Ana Paula Ferreira de et al. Utilização do classificador Spectral Correlation Mapper em imagens TM-Landsat. Espaço & Geografia, v. 5, n. 1, p. 219-232, 2002. Disponível em: <http://www.lsie.unb.br/espacoegeografia/index.php/espacoegeografia/article/view/23/22>. Acesso em: 31 maio 2012.
Resumo: Neste trabalho é proposta uma metodologia para a análise de mistura espectral a partir de dados TM-Landsat. A área selecionada na imagem abrange áreas de reserva e de agricultura, em Brasília, DF. O procedimento adotado para a detecção dos membros finais (pixels puros) na imagem TM-Landsat foi o mesmo utilizado para o tratamento de dados hiperespectrais, com adaptações específicas. Inicialmente foi feita a conversão dos Números Digitais para valores de reflectância e então foi feita a identificação dos membros finais na área selecionada. A conversão dos Números Digitais em valores de reflectância permitiu a comparação dos espectros obtidos com os de bibliotecas espectrais, os quais auxiliaram na identificação. Para essa área, os membros puros identificados foram: vegetação verde, vegetação não fotossinteticamente ativa, solo e queimada. Foi utilizado o classificador espectral SCM (Spectral Correlation Mapper) para mostrar a disposição dos membros puros na imagem. O uso do procedimento dedetecção dos membros finais antes da classificação revelou-se interessante porquea juda da determinação de amostras para a classificação. Com o uso da análise de mistura espectral, a classificação torna-se mais fiel à concepção do pixel, que pode conter mais de uma classe. _______________________________________________________________________________ ABSTRACT
In this work a methodology is proposed for the analysis of spectral mixture from TM-Landsat data. The selected area in the image embraced preserved and agricultural areas in Brasília, DF. The adopted procedure for endmembers’s (pure pixels) detection was the same used for the hyperespectrals data treatment, with the specific adaptations. Initially was made a conversion of the Digital Numbers for reflectance values and after, the identification of the endmembers of the selected area. The Digital Numbers conversion in reflectance values allowed the comparison of the spectra obtained with the spectral libraries, which could help in the identification. For that area, the identified pure members were: green vegetation, non-photosynthetically active vegetation, soil and burned. It was used the spectral classifier SCM (Spectral Correlation Mapper) to show the pure members disposition in the image. The use of the endmembers detection procedure before the classification revealed quite interesting because it helped in the samples determination for the classification. Using the analysis of spectral mixture the classification becomes more trustworthy to the pixel conception that can contain more than one class.
Licença: Espaço & Geografia está licenciado sob uma licença Creative Commons (Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 3.0 Unported (CC BY-NC-ND 3.0)). Fonte: http://www.lsie.unb.br/espacoegeografia/index.php/espacoegeografia/article/view/23/22. Acesso em: 31 maio. 2012.
Aparece nas coleções:Artigos publicados em periódicos e afins

Mostrar registro completo do item Visualizar estatísticas



Este item está licenciada sob uma Licença Creative Commons Creative Commons