Os cereais destinados a produção de grãos (trigo) e de pastagens (azevém) são alvos espectralmente semelhantes, o que dificulta a sua identificação e discriminação em imagens de satélite ao usar sensoriamento remoto. Entretanto, o ciclo fenológico destas culturas é diferente. A análise do perfil multitemporal dos talhões torna-se a estratégia mais adequada para a discriminação destes alvos, os quais apresentam ciclos fenológicos diferentes, porém são espectralmente semelhantes. Usaram-se as imagens bissemanais (vermelho, infravermelho próximo e infravermelho médio) do produto MOD13q1 do sensor MODIS para aplicar um modelo linear de mistura espectral, do qual foram geradas as imagens fração: vegetação, solo e sombra (água). Utilizou-se a distância de Bhattacharyya para realizar uma análise prévia de separabilidade das classes de trigo e azevém geradas. As composições NDVI do produto MOD13q1 foram utilizadas para a segmentação de imagens e para a geração dos perfis multitemporais, os quais foram elaborados usando pontos de controle (lavouras) coletados em saída de campo com auxílio de GPS. Usaram-se as imagens NDVI 129, 177 e 257 do ano de 2009 na segmentação. O mapeamento foi realizado usando o Isodata implementado no Spring 5.0.3, e várias classificações foram testadas. Os dados do mapeamento final foram comparados com dados do IBGE. A estimativa oficial do IBGE para as pastagens é de 118.657 ha para os 42 municípios da área de estudo (metade sul do RS), uma diferença de 18.018 ha a mais quando comparada com a estimativa do mapeamento, de 100.639 ha. Dos 42 municípios que compõem a área de estudo, 19 apresentaram uma diferença menor do que 1.000 ha ao compararem-se os dados do IBGE com o mapeamento. A estimativa dos cereais destinados a produção de grãos foi de 73.690 ha de acordo com o IBGE, uma diferença de 9.543 ha a menos quando comparada com a estimativa do mapeamento, de 83.233 ha. Dos 42 municípios que compõem a área de estudo, 25 apresentaram uma diferença menor do que 1.000 ha. / When employing remote sensing, the cereals destined for grain production (wheat) and pasture (ryegrass) become spectrally similar targets, which makes their identification and distinction more difficult on satellite images. Nevertheless, the phenological cycle of both cultures is different. Thus, the analysis of the multi-temporal profile of plots results in the most suitable strategy for the distinction of those targets, which have unalike phenological cycles but are spectrally similar. Biweekly images (red, near-infrared and mid-infrared) of the product MOD13q1 from MODIS sensor were employed in order to apply a linear model of spectral mixture, from which fraction images were rendered: vegetation, soil and shade (water). The Bhattacharyya distance was used to perform a previous analysis of the separability of generated wheat and ryegrass classes. The NDVI composites of the product MOD13q1 were used in image segmentation and in the multi-temporal profiles rendering, which were elaborated by exploiting control points (crops) gathered in trip field with the aid of GPS. Images NDVI 129, 177 and 257 from the year 2009 were used in the segmentation. The mapping was carried out by employing the Isodata implemented in Spring 5.0.3, and several classifications were tested. The final mapping’s data were compared with IBGE’s data. According to IBGE’s official estimate, there are 118.657 ha of pastures in the 42 cities of the study area (south half of RS), a difference of 18.018 ha more in comparison to the mapping’s estimate, which is of 100.639 ha. Out of the 42 cities that totalize the study area, 19 presented a difference of less than 1.000 ha when comparing IBGE’s data to the mapping’s data. As stated by IBGE, the estimate of cereals destined for grain production was of 73.690 ha (a difference of 9.543 ha less in comparison to the mapping’s estimate of 83.233 ha. Out of the 42 cities that totalize the study area, 25 showed a difference of less than 1.000 ha.

Os cereais destinados a produção de grãos (trigo) e de pastagens (azevém) são alvos espectralmente semelhantes, o que dificulta a sua identificação e discriminação em imagens de satélite ao usar sensoriamento remoto. Entretanto, o ciclo fenológico destas culturas é diferente. A análise do perfil multitemporal dos talhões torna-se a estratégia mais adequada para a discriminação destes alvos, os quais apresentam ciclos fenológicos diferentes, porém são espectralmente semelhantes. Usaram-se as imagens bissemanais (vermelho, infravermelho próximo e infravermelho médio) do produto MOD13q1 do sensor MODIS para aplicar um modelo linear de mistura espectral, do qual foram geradas as imagens fração: vegetação, solo e sombra (água). Utilizou-se a distância de Bhattacharyya para realizar uma análise prévia de separabilidade das classes de trigo e azevém geradas. As composições NDVI do produto MOD13q1 foram utilizadas para a segmentação de imagens e para a geração dos perfis multitemporais, os quais foram elaborados usando pontos de controle (lavouras) coletados em saída de campo com auxílio de GPS. Usaram-se as imagens NDVI 129, 177 e 257 do ano de 2009 na segmentação. O mapeamento foi realizado usando o Isodata implementado no Spring 5.0.3, e várias classificações foram testadas. Os dados do mapeamento final foram comparados com dados do IBGE. A estimativa oficial do IBGE para as pastagens é de 118.657 ha para os 42 municípios da área de estudo (metade sul do RS), uma diferença de 18.018 ha a mais quando comparada com a estimativa do mapeamento, de 100.639 ha. Dos 42 municípios que compõem a área de estudo, 19 apresentaram uma diferença menor do que 1.000 ha ao compararem-se os dados do IBGE com o mapeamento. A estimativa dos cereais destinados a produção de grãos foi de 73.690 ha de acordo com o IBGE, uma diferença de 9.543 ha a menos quando comparada com a estimativa do mapeamento, de 83.233 ha. Dos 42 municípios que compõem a área de estudo, 25 apresentaram uma diferença menor do que 1.000 ha. / When employing remote sensing, the cereals destined for grain production (wheat) and pasture (ryegrass) become spectrally similar targets, which makes their identification and distinction more difficult on satellite images. Nevertheless, the phenological cycle of both cultures is different. Thus, the analysis of the multi-temporal profile of plots results in the most suitable strategy for the distinction of those targets, which have unalike phenological cycles but are spectrally similar. Biweekly images (red, near-infrared and mid-infrared) of the product MOD13q1 from MODIS sensor were employed in order to apply a linear model of spectral mixture, from which fraction images were rendered: vegetation, soil and shade (water). The Bhattacharyya distance was used to perform a previous analysis of the separability of generated wheat and ryegrass classes. The NDVI composites of the product MOD13q1 were used in image segmentation and in the multi-temporal profiles rendering, which were elaborated by exploiting control points (crops) gathered in trip field with the aid of GPS. Images NDVI 129, 177 and 257 from the year 2009 were used in the segmentation. The mapping was carried out by employing the Isodata implemented in Spring 5.0.3, and several classifications were tested. The final mapping’s data were compared with IBGE’s data. According to IBGE’s official estimate, there are 118.657 ha of pastures in the 42 cities of the study area (south half of RS), a difference of 18.018 ha more in comparison to the mapping’s estimate, which is of 100.639 ha. Out of the 42 cities that totalize the study area, 19 presented a difference of less than 1.000 ha when comparing IBGE’s data to the mapping’s data. As stated by IBGE, the estimate of cereals destined for grain production was of 73.690 ha (a difference of 9.543 ha less in comparison to the mapping’s estimate of 83.233 ha. Out of the 42 cities that totalize the study area, 25 showed a difference of less than 1.000 ha.

Os cereais destinados a produção de grãos (trigo) e de pastagens (azevém) são alvos espectralmente semelhantes, o que dificulta a sua identificação e discriminação em imagens de satélite ao usar sensoriamento remoto. Entretanto, o ciclo fenológico destas culturas é diferente. A análise do perfil multitemporal dos talhões torna-se a estratégia mais adequada para a discriminação destes alvos, os quais apresentam ciclos fenológicos diferentes, porém são espectralmente semelhantes. Usaram-se as imagens bissemanais (vermelho, infravermelho próximo e infravermelho médio) do produto MOD13q1 do sensor MODIS para aplicar um modelo linear de mistura espectral, do qual foram geradas as imagens fração: vegetação, solo e sombra (água). Utilizou-se a distância de Bhattacharyya para realizar uma análise prévia de separabilidade das classes de trigo e azevém geradas. As composições NDVI do produto MOD13q1 foram utilizadas para a segmentação de imagens e para a geração dos perfis multitemporais, os quais foram elaborados usando pontos de controle (lavouras) coletados em saída de campo com auxílio de GPS. Usaram-se as imagens NDVI 129, 177 e 257 do ano de 2009 na segmentação. O mapeamento foi realizado usando o Isodata implementado no Spring 5.0.3, e várias classificações foram testadas. Os dados do mapeamento final foram comparados com dados do IBGE. A estimativa oficial do IBGE para as pastagens é de 118.657 ha para os 42 municípios da área de estudo (metade sul do RS), uma diferença de 18.018 ha a mais quando comparada com a estimativa do mapeamento, de 100.639 ha. Dos 42 municípios que compõem a área de estudo, 19 apresentaram uma diferença menor do que 1.000 ha ao compararem-se os dados do IBGE com o mapeamento. A estimativa dos cereais destinados a produção de grãos foi de 73.690 ha de acordo com o IBGE, uma diferença de 9.543 ha a menos quando comparada com a estimativa do mapeamento, de 83.233 ha. Dos 42 municípios que compõem a área de estudo, 25 apresentaram uma diferença menor do que 1.000 ha. / When employing remote sensing, the cereals destined for grain production (wheat) and pasture (ryegrass) become spectrally similar targets, which makes their identification and distinction more difficult on satellite images. Nevertheless, the phenological cycle of both cultures is different. Thus, the analysis of the multi-temporal profile of plots results in the most suitable strategy for the distinction of those targets, which have unalike phenological cycles but are spectrally similar. Biweekly images (red, near-infrared and mid-infrared) of the product MOD13q1 from MODIS sensor were employed in order to apply a linear model of spectral mixture, from which fraction images were rendered: vegetation, soil and shade (water). The Bhattacharyya distance was used to perform a previous analysis of the separability of generated wheat and ryegrass classes. The NDVI composites of the product MOD13q1 were used in image segmentation and in the multi-temporal profiles rendering, which were elaborated by exploiting control points (crops) gathered in trip field with the aid of GPS. Images NDVI 129, 177 and 257 from the year 2009 were used in the segmentation. The mapping was carried out by employing the Isodata implemented in Spring 5.0.3, and several classifications were tested. The final mapping’s data were compared with IBGE’s data. According to IBGE’s official estimate, there are 118.657 ha of pastures in the 42 cities of the study area (south half of RS), a difference of 18.018 ha more in comparison to the mapping’s estimate, which is of 100.639 ha. Out of the 42 cities that totalize the study area, 19 presented a difference of less than 1.000 ha when comparing IBGE’s data to the mapping’s data. As stated by IBGE, the estimate of cereals destined for grain production was of 73.690 ha (a difference of 9.543 ha less in comparison to the mapping’s estimate of 83.233 ha. Out of the 42 cities that totalize the study area, 25 showed a difference of less than 1.000 ha.

[pt] Esta dissertação propõe uma metodologia baseada em Modelos de Markov Ocultos (Hidden Markov Models - HMM) para a classificação de culturas agrícolas, explorando informações de seqüências temporais de imagens dos sensores TM e ETM+/Landsat. O método reconhece os diferentes tipos de culturas agrícolas analisando os perfis espectrais em uma seqüência temporal de imagens de satélite de média resolução espacial ( aproximadamente 30m). Nesta abordagem, o comportamento temporal de cada classe de cultura é modelado por um HMM específico. A classificação é feita segmento-a-segmento, descritos por um vetor de atributos calculado como as médias espectrais dos pixels contidos no segmento em cada banda da imagem. Os vetores de atributos do segmento em cada imagem da seqüência de imagens são subseqüentemente submetidos aos HMMs de cada classe de cultura. O segmento é então associado à cultura cujo HMM correspondente gera a maior probabilidade de emitir a seqüência de valores espectrais observada. Os experimentos para análise foram conduzidos utilizando-se um conjunto de 12 imagens LANDSAT coregistradas e corrigidas radiometricamente. As imagens cobrem uma área do estado de São Paulo, Brasil, com aproximadamente 124.100ha, entre 2002 e 2004. As seguintes coberturas vegetais foram consideradas: cana de açúcar, soja, milho, pastagem e matagaleria. A avaliação do desempenho do método foi efetuada utilizando-se um conjunto de dados classificado visualmente por dois especialistas e validado por um extenso trabalho de campo. O desempenho do método de classificação multitemporal proposto foi comparado com o de um classificador monotemporal de máxima verossimilhança, e os resultados mostraram a superioridade notável do método baseado em HMM, o qual alcançou uma acurácia média de nada menos que 91% na identificação do tipo correto de cultura agrícola, para seqüências de dados contendo apenas uma única classe de cultura. / [en] This work proposes a Hidden Markov Model (HMM)-based methodology to classify agricultural crops, exploring information of temporal image sequences from TM and ETM+/Landsat sensors. HMMs are used to relate the varying spectral response along the crop cycle with plant phenology for different crop classes. The method recognizes different agricultural crops by analyzing their spectral profiles over a temporal sequence of medium resolution satellite images ( approximation 30m). In our approach the temporal behaviour of each crop class is modelled by a specific HMM. A segment- based classification is performed using the average spectral values of the pixels in each image segment across an image sequence, which is subsequently submitted to the HMMs of each crop class. The image segment is assigned to the crop class, whose corresponding HMM delivers the highest probability of emitting the observed sequence of spectral values. Experiments were conducted upon a set of 12 co-registered and radiometrically corrected LANDSAT images. The images cover an area of the State of São Paulo, Brazil with about 124.100ha, between the years 2002 and 2004. The following classes were considered: sugarcane, soybean, corn, pasture and riparian forest. Performance assessment was carried out upon a data set classified visually by two analysts and validated by extensive field work. The performance of the proposed multitemporal classification method was compared to that of a monotemporal maximum likelihood classifier, and the results indicated a remarkable superiority of the HMM-based method, which achieved an average of no less than 91% accuracy in the identification of the correct crop, for sequences of data containing a single crop class.

Submitted by (edna.saturno@ufrpe.br) on 2017-02-08T12:16:49Z No. of bitstreams: 1 Ariana Silva Guimaraes.pdf: 4145532 bytes, checksum: 9a569584ad7aca9c7d6809dd2ed7880d (MD5) / Made available in DSpace on 2017-02-08T12:16:49Z (GMT). No. of bitstreams: 1 Ariana Silva Guimaraes.pdf: 4145532 bytes, checksum: 9a569584ad7aca9c7d6809dd2ed7880d (MD5) Previous issue date: 2007-02-27 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / The conversion of mangrove areas to nurseries in Brazil has been reported since the 18th century, mainly in the Northeast region. Due to this history and in addition to the rapid growth of Brazilian shrimp farming, this activity has been blamed for losses of mangrove areas along the Brazilian coast. In order to determine the true participation of aquaculture in this process, a multitemporal study of the mangrove cover of the northern coast of the State of Pernambuco was carried out using remote sensing and geographic information system (GIS) techniques. The time series analyzed were from 1973 to 2005, using satellite images obtained from different sensors (MSS / LANDSAT-1 - 1973; TM / LANDSAT-5 - 1988; TM / LANDSAT-5 - 1999; ETM + / LANSAT-7 - 2001 and CCD / CBERS-2 - 2005). For the mapping of mangroves, only the areas covered by mangrove vegetation were considered, with apicum classified with a distinct class of mangrove class. The study identified that the extension and distribution of the mangrove forest varied considerably during the last three decades in the studied area, with different phases, characterized by the increase and reduction of the mangrove cover. The results obtained were: 1973 = 7,101ha, 1988 = 5,821ha, 1999 = 6,442ha, 2001 = 6,187ha and 2005 = 6,575ha. The areas occupied by nurseries were also evaluated and presented an exponential growth, the latter being more pronounced in recent years, with the following values: 1973 = 0ha, 1988 = 7ha, 1999 = 366ha, 2001 = 1,157ha and 2005 = 1,474ha. The study showed that between 1973 and 2005, there was a reduction of 2,052ha of mangroves, of which 197ha were reduced by conversion to nurseries. In this way, it is possible to affirm that the real contribution of shrimp farming in the conversion of these areas was 9.6% of the total area reduced and that other activities of anthropic origin, such as agriculture, urban expansion and tourism were the main responsible for this scenario Of reduction of mangrove areas in the northern coast of the state of Pernambuco / A conversão de áreas de mangue em viveiros de cultivo no Brasil é relatada desde o século XVIII, principalmente para a região Nordeste. Em função desse histórico e somado ao rápido crescimento da carcinicultura brasileira, esta atividade vem sendo responsabilizada pelas perdas de áreas de mangue ao longo do litoral brasileiro. A fim de determinar a real participação da aqüicultura neste processo, foi realizado um estudo multitemporal da cobertura de manguezal do litoral norte do Estado de Pernambuco, utilizando técnicas de sensoriamento remoto e de sistema de informação geográfica (SIG). A série temporal analisada foi de 1973 a 2005, utilizando-se imagens de satélite obtidas de diferentes sensores (MSS/LANDSAT-1 - 1973; TM/LANDSAT-5 - 1988; TM/LANDSAT-5 - 1999; ETM+/LANSAT-7 - 2001 e CCD/CBERS-2 - 2005). Para o mapeamento dos manguezais, considerou-se apenas as áreas cobertas por vegetação de mangue, sendo o apicum classificado com uma classe distinta da classe manguezal. O estudo identificou que a extensão e a distribuição da floresta de mangue variaram bastante ao longo das últimas três décadas na área estudada, com diferentes fases, caracterizadas pelo incremento e redução da cobertura de mangue. Os resultados obtidos foram: 1973 = 7.101ha, 1988 = 5.821ha, 1999 = 6.442ha, 2001= 6.187ha e 2005 = 6.575ha. As áreas ocupadas por viveiros também foram avaliadas e apresentaram um crescimento exponencial, sendo este, mais acentuado nos anos recentes, com os seguintes valores: 1973 = 0ha, 1988 = 7ha, 1999 = 366ha, 2001 = 1.157ha e 2005 = 1.474ha. O estudo mostrou que entre os anos de 1973 e 2005, houve uma redução de 2.052ha de mangue, dos quais 197ha foram reduzidos pela conversão em viveiros de cultivo. Desta forma, é possível afirmar que a real contribuição da carcinicultura na conversão dessas áreas foi 9,6% do total de área reduzida e que outras atividades de origem antrópica, como agricultura, a expansão urbana e o turismo foram as principais responsáveis por este cenário de redução de áreas de mangue no litoral norte do estado de Pernambuco.

Forest ecosystems have recently received worldwide attention due to their biological diversity and their major role in the global carbon balance. Detecting forest cover change is crucial for reporting forest status and assessing the evolution of forested areas. However, existing change detection approaches based on satellite remote sensing are not quite appropriate to rapidly process the large volume of earth observation data. Recent advances in image segmentation have led to new opportunities for a new object-based monitoring system. <br> <br> This thesis aims at developing and evaluating an automated object-based change detection method dedicated to high spatial resolution satellite images for identifying and mapping forest cover changes in different ecosystems. This research characterized the spectral reflectance dynamics of temperate forest stand cycle and found the use of several spectral bands better for the detection of forest cover changes than with any single band or vegetation index over different time periods. Combining multi-date image segmentation, image differencing and a dedicated statistical procedure of multivariate iterative trimming, an automated change detection algorithm was developed. This process has been further generalized in order to automatically derive an up-to-date forest mask and detect various deforestation patterns in tropical environment.<br> <br> Forest cover changes were detected with very high performances (>90 %) using 3 SPOT-HRVIR images over temperate forests. Furthermore, the overall results were better than for a pixel-based method. Overall accuracies ranging from 79 to 87% were achieved using SPOT-HRVIR and Landsat ETM imagery for identifying deforestation for two different case studies in the Virunga National Park (DRCongo). Last but not least, a new multi-scale mapping solution has been designed to represent change processes using spatially-explicit maps, i.e. deforestation rate maps. By successfully applying these complementary conceptual developments, a significant step has been done toward an operational system for monitoring forest in various ecosystems.

[pt] Esta dissertação faz uma comparação de três métodos de classificação em cascata de imagens multitemporais. Os classificadores se baseiam nas seguintes técnicas: (1) Máquina de Suporte Vetorial (SVM), (2) Modelos Ocultos de Markov (HMM) e (3) Cadeias de Markov Nebulosas(FMC). Para verificar a robustez dos modelos de classificação, introduziram-se nos dados de entrada outliers, avaliando-se assim, a robustez dos classificadores. Adicionalmente, avaliou-se o desempenho dos métodos quando a proporção de ocorrências de cada transição de classe no conjunto de treinamento difere da proporção no conjunto de teste. Determinou-se também qual o benefício do uso de conhecimento a priori sobre as transições possíveis. A análise experimental foi realizada sobre dois conjuntos de imagens de diferentes características, um par de imagens IKONOS do Rio de Janeiro, Brasil e um par de imagens LANDSAT7 de Alcinópolis, Mato Grosso do Sul. O estudo revelou que acurácia global das três abordagens tem um comportamento similar nos diferentes experimentos. Mostrou também que todas as três abordagens multitemporais apresentam desempenho superior aos seus homólogos monotemporais. / [en] This dissertation compares three cascade multitemporal image classification methods based on: (1) Support Vector Machines (SVM), (2) Hidden Markov Models (HMM) and (3) Fuzzy Markov Chains (FMC). The robustness of the classification models is verified, by introducing outliers in the data set. Additionally, performance of each method is evaluated when the number of occurrences of each class transition is different in the training and in the testing set. The gain of exploiting a prior knowledge regarding the admissible transitions in each target site is also investigated. The experimental analysis is conducted over two data sets with different characteristics; specifically a pair of IKONOS images of Rio de Janeiro and a pair of LANDSAT7 images of Alcinópolis, Mato Grosso do Sul. This study has concluded that the overall accuracy of the three approaches are similar through all experiments. The superiority ofthe multitemporal approaches over the monotemporal counterparts was confirmed.

Submitted by Emanuel Varela Cardoso (emanuel.varela@ufcg.edu.br) on 2018-08-23T19:10:00Z No. of bitstreams: 1 ALBERTO CÉSAR DO NASCIMENTO SILVA – DISSERTAÇÃO (PPGECA) 2017.pdf: 2656117 bytes, checksum: 0b2a6d38796702f280814934f96445dc (MD5) / Made available in DSpace on 2018-08-23T19:10:00Z (GMT). No. of bitstreams: 1 ALBERTO CÉSAR DO NASCIMENTO SILVA – DISSERTAÇÃO (PPGECA) 2017.pdf: 2656117 bytes, checksum: 0b2a6d38796702f280814934f96445dc (MD5) Previous issue date: 2017-08-28 / O sensoriamento remoto possibilita o acompanhamento da cobertura do solo a partir de índices de vegetação. Análises das tendências de longo prazo da cobertura do solo são, geralmente, executadas com sensores de alta resolução temporal e baixa resolução espacial. No entanto, em regiões como a Semiárida, a compreensão da dinâmica da cobertura do solo em escalas locais é muito importante, particularmente devido à ação humana. O uso de imagens de satélite com média resolução espacial permite identificar alterações na escala da ação humana no bioma Caatinga. Através da abordagem aplicada a este trabalho, é possível identificar o período em que ocorreram tais alterações. Neste trabalho, utilizou-se o teste de tendência de Mann-Kendall para avaliar o desempenho ou a capacidade dos indicadores biofísicos EVI (Enhanced Vegetation Index); e albedo de superfície para identificar alterações na cobertura do solo. Foram também identificados, através de estimativas de tendências temporais, as áreas e períodos com possíveis variações na cobertura do solo em agrupamentos temporais de 5 anos. Utilizaram-se 162 imagens LANDSAT 5, 7 e 8 no período de 1986 a 2015, da Bacia do Rio Taperoá, localizada no semiárido do estado da Paraíba. Embora o EVI seja o indicador biofísico mais amplamente utilizado para avaliar alterações na cobertura do solo, o albedo de superfície mostrou-se mais sensível ao indicar prováveis áreas alteradas bem como em apontar em qual período tal mudança ocorreu. As avaliações executadas fornecem um ferramental para o desenvolvimento de sistemas de monitoramento remoto e gestão de ecossistemas, podendo ser usado para identificar regiões para intervenções e observações mais detalhadas. / Remote sensing allows monitoring of land cover from vegetation indexes. Analyses of longterm trends in land´s cover are generally performed with high temporal resolution´s and low spatial resolution´s sensors. However, in heterogeneous regions such as the Brazilian Semi-arid Region, understanding the dynamics of land cover at local scales is very important, particularly in relation to the scale of human action. The medium spatial resolution allows identifying alterations in the scale of small rural properties and it is compatible with human action scale in Caatinga´s biome. The approach applied to this work makes possible to measure the period in which such changes occurred. In this work, the Mann-Kendall trend´s test was used to evaluate the performance or the capacity of the biophysical indicators EVI (Enhanced Vegetation Index); and surface Albedo to identify changes in soil cover. It was possible, as well, to identify, through estimates of temporal trends, areas and periods with possible variations in soil cover in 5-year temporal groupings. In total, 162 LANDSAT images were used, in the period from 1986 to 2015, focusing on Taperoá´s river basin, in the State of Paraíba, Brazilian semiarid region. Although EVI is the biophysical indicator most widely used to assess changes in soil cover, surface Albedo has been more sensitive in indicating probable areas altered as well as in indicating in which period such a change occurred. The evaluations provide tools for the development of remote monitoring and ecosystem management systems and can be used to identify regions of priority for interventions and observations that are more detailed.

nÃo hà / The urban densification, which sued in the surroundings of the estuary of the Rio CocÃ, favored by the huge population growth occurred in Fortaleza/CE/Brazil, in recent decades, involved in various negative impacts on site. In order to assess urban developments that took place in the surroundings of the estuary of the Rio Cocà and their negative impacts, in the period between 1985, 1996 and 2007, was held a multitemporal image analysis from TM/Landsat-5 of 1985, 1996 and 2007 in GIS (geographic information System). The procedure consisted of visual interpretation of images in different compositions in RGB (4-5-3; 4-3-2; 4-7-3; 5-4-2) and product obtained from processing images through the bands 3 and 4 in arithmetic operations tool present in the SPRING, subsidized by field recognition activities and consultations with maps, aerial photographs and satellite images of high spatial resolution, which resulted in the elaboration of maps of land cover and use for imaging each year. For each map were defined usage 09 units and soil cover (Urban Area; River; Natural Vegetation; Hipersalina Plain; Lagoons and swampy; Dunes; Beach track; Intermittent Interdunares ponds; Sand banks), which have been quantified and compared. It was noted that over the 22 years analyzed the urban area was the only unit to produce growth. The expansion of the urban area was to the detriment of other units, from 34.18% (15.44 kmÂ) in 1985 to 55.62% (25.13 kmÂ) in 2007, that is, there was an increase of 21.44% (9.69 kmÂ); of the total urban area plus, 60.37% (5.85 kmÂ) occurred between 1985 and 1996, and 39.63% (3.84 kmÂ) in the period between 1996 and 2007. This smaller percentage can be explained by the fact that in the period between 1996 and 2007 have been reduction of repeated spaces, an appreciation of land occupation in the area and greater supervision and monitoring of urban sprawl within the bounds of Cocà ecological park. The data collection in the field enabled the identification of various negative impacts promoted by urbanization in the study area, such as: filling of mangrove and wetland, deforestation, disposal and rubble in the riverbed, discharge of domestic sewage, silting, among others. To see the effects of urbanization on the estuary sediment collections 22 were held on his deathbed through a background search dredge (Van Veen) in 11 seasons. Analysis of sediment collected was visual and allowed the recognition, in the samples of 01, 02, 03, 04 and 09, construction waste, such as pieces of bricks, tiles and cement clods and garbage and other residues. The results point to the need for a systematic monitoring of urban expansion in the area; for identification and control of pollutant loads from residential and commercial; for the promotion of environmental education in the area; for the extension of effective police monitoring Cocà ecological park and its suitability to the national system of conservation Units as (SNUC) â Federal Law No. 9985 July 2000. / O adensamento urbano, que se processou no entorno do estuÃrio do Rio CocÃ, favorecido pelo enorme crescimento populacional ocorrido em Fortaleza/CE/Brasil, nas Ãltimas dÃcadas, implicou nos mais variados impactos negativos no local. Com intuito de avaliar a evoluÃÃo urbana que se deu no entorno do estuÃrio do Rio Cocà e seus impactos negativos, no perÃodo entre 1985, 1996 e 2007, foi realizada uma anÃlise multitemporal a partir de imagens TM/Landsat-5 de 1985, 1996 e 2007 em ambiente SIG (Sistema de InformaÃÃes GeogrÃficas). O procedimento consistiu na interpretaÃÃo visual das imagens em diferentes composiÃÃes em RGB (4-5-3; 4-3-2; 4-7-3; 5-4-2) e do produto obtido a partir da transformaÃÃo das imagens atravÃs das bandas 3 e 4 na ferramenta operaÃÃes aritmÃticas presente no SPRING, subsidiada por atividades de reconhecimento de campo e consultas a mapas, fotografias aÃreas e imagens de satÃlite de alta resoluÃÃo espacial, que resultaram na elaboraÃÃo de mapas de uso e cobertura do solo para cada ano de imageamento. Para cada mapa foram definidas 09 unidades de uso e cobertura do solo (Ãrea Urbana; Rio; VegetaÃÃo Natural; PlanÃcie Hipersalina; Lagoas e alagadiÃos; Dunas; Faixa de Praia; lagoas Interdunares Intermitentes; Bancos de Areia), que foram quantificadas e comparadas. Constatou-se que ao longo dos 22 anos analisados a Ãrea Urbana foi a Ãnica unidade a apresentar crescimento. A ampliaÃÃo da malha urbana se deu em detrimento das demais unidades, passando de 34,18% (15,44 kmÂ) em 1985 para 55,62% (25,13 KmÂ) em 2007, ou seja, houve um acrÃscimo de 21,44% (9.69 kmÂ); do total da Ãrea urbana acrescida, 60,37% (5,85 kmÂ) ocorreu entre 1985 e 1996, e 39,63% (3,84 KmÂ) no perÃodo entre 1996 e 2007. Este menor percentual pode ser explicado pelo fato de no perÃodo entre 1996 e 2007 ter ocorrido reduÃÃo dos espaÃos passiveis de ocupaÃÃo, uma valorizaÃÃo da terra na Ãrea e uma maior fiscalizaÃÃo e monitoramento da expansÃo urbana dentro dos limites do Parque EcolÃgico do CocÃ. O levantamento de dados em campo possibilitou a identificaÃÃo dos mais variados impactos negativos promovidos pela urbanizaÃÃo na Ãrea de estudo, como: aterramentos do mangue e alagadiÃos, desmatamento, descarte de lixo e entulho no leito fluvial, descarga de esgoto domÃstico, assoreamento, entre outros. Visando constatar efeitos da urbanizaÃÃo no estuÃrio foram realizadas 22 coletas de sedimentos em seu leito atravÃs de uma draga busca fundo (Van Veen) em 11 estaÃÃes. A anÃlise dos sedimentos coletados foi visual e permitiu o reconhecimento, nas amostras das estaÃÃes 01, 02, 03, 04 e 09, de resÃduos da construÃÃo civil, como pedaÃos de tijolos, de telhas e torrÃes de cimento e, ainda, lixo e piÃarra. Os resultados apresentados apontam para a necessidade de um monitoramento sistemÃtico da expansÃo urbana na Ãrea; para identificaÃÃo e controle das cargas poluentes de origem residencial e comercial; para o fomento da educaÃÃo ambiental; para a ampliaÃÃo do efetivo de policiais na fiscalizaÃÃo do Parque EcolÃgico do Cocà e para a sua adequaÃÃo ao Sistema Nacional de Unidade de ConservaÃÃo â SNUC, conforme a Lei Federal n 9985 de julho de 2000.

abstract: The marked increase in the inflow of remotely sensed data from satellites have trans- formed the Earth and Space Sciences to a data rich domain creating a rich repository for domain experts to analyze. These observations shed light on a diverse array of disciplines ranging from monitoring Earth system components to planetary explo- ration by highlighting the expected trend and patterns in the data. However, the complexity of these patterns from local to global scales, coupled with the volume of this ever-growing repository necessitates advanced techniques to sequentially process the datasets to determine the underlying trends. Such techniques essentially model the observations to learn characteristic parameters of data-generating processes and highlight anomalous planetary surface observations to help domain scientists for making informed decisions. The primary challenge in defining such models arises due to the spatio-temporal variability of these processes. This dissertation introduces models of multispectral satellite observations that sequentially learn the expected trend from the data by extracting salient features of planetary surface observations. The main objectives are to learn the temporal variability for modeling dynamic processes and to build representations of features of interest that is learned over the lifespan of an instrument. The estimated model parameters are then exploited in detecting anomalies due to changes in land surface reflectance as well as novelties in planetary surface landforms. A model switching approach is proposed that allows the selection of the best matched representation given the observations that is designed to account for rate of time-variability in land surface. The estimated parameters are exploited to design a change detector, analyze the separability of change events, and form an expert-guided representation of planetary landforms for prioritizing the retrieval of scientifically relevant observations with both onboard and post-downlink applications. / Dissertation/Thesis / Doctoral Dissertation Computer Engineering 2019