| Summary: | O objetivo do presente trabalho foi avaliar o uso potencial dos dados hiperespectrais do sensor orbital Hyperion/Earth Observing One (EO-1) e dos modelos de mistura espectral MESMA (Multiple Endmember Spectral Mixture Analysis) e SMA (Spectral Mixture Analysis) para discriminação de classes de cobertura da Planície Costeira do Rio Grande do Sul. O modelo MESMA difere do SMA por permitir que o número e o tipo de Membros de Referência (MRs), assim como sua abundância, variem pixel a pixel. A abordagem metodológica utilizada envolveu as seguintes etapas: (a) préprocessamento dos dados Hyperion e conversão dos valores de radiância para imagens atmosfericamente corrigidas de reflectância de superfície; (b) uso seqüencial das técnicas Minimum Noise Fraction (MNF), Pixel Purity Index (PPI) e Visualizador n- Dimensional, no intervalo de 454 a 2334 nm, para seleção inicial de um grupo de pixels candidatos a MRs (primeira biblioteca espectral) e de um outro grupo para fins de validação dos modelos; (c) uso do aplicativo VIPER (Visualization and Image Processing for Environmental Research) Tools para refinamento da primeira biblioteca espectral e seleção final dos MRs, utilizando as métricas EAR (Endmember Average RMSE), MASA (Minimum Average Spectral Angle) e CoB (Count Based Endmember Selection); (d) geração dos modelos MESMA e SMA com o VIPER Tools; e (e) comparação dos resultados dos modelos com base nas imagens-fração e nos valores de erro médio quadrático (RMSE). Os resultados obtidos mostraram que: (1) o uso seqüencial das técnicas MNF, PPI e Visualizador n-Dimensional pode constituir uma etapa inicial para identificar pixels candidatos a MRs, cuja seleção final pode ser feita com as métricas EAR, MASA e CoB. Usadas de forma combinada, essas métricas minimizam possíveis efeitos da baixa relação sinal-ruído do Hyperion; (2) os MRs selecionados representaram os principais componentes de cena como “água” (com clorofila, límpida e com sedimentos em suspensão), “vegetação verde” (pinus, eucalipto e gramíneas) e “solo” (dunas e campo seco); (3) Por utilizar número e tipo variáveis de MRs, o modelo MESMA produziu melhores resultados que o SMA. Quando aplicado sobre a imagem, sobre a amostra de validação e quando comparado com o SMA, o modelo MESMA de 4 componentes (Solo = dunas e campo Seco; vegetação verde = pinus, eucalipto e gramíneas; água = com Sedimentos em suspensão, sem Sedimentos e com clorofila; sombra) descreveu adequadamente a diversidade dos componentes de cena, incluindo materiais dentro de uma mesma classe (p.ex. pinus e eucalipto). O MESMA produziu menores valores de RMSE e uma maior quantidade de pixels modelados na cena (85% contra 55%) do que o SMA; (4) o VIPER mostrou-se uma ferramenta bastante eficaz para seleção dos MRs e geração dos modelos. Os resultados, como um todo, demonstraram o potencial da aplicação dos modelos MESMA com dados hiperespectrais do sensor Hyperion/EO-1, mesmo considerando a baixa relação sinal/ruído do instrumento, especialmente no infravermelho de ondas curtas (SWIR). === The objective of this work was to evaluate the potential use of the Hyperion/Earth Observing One (EO-1) hyperspectral data and of the MESMA (Multiple Endmember Spectral Mixture Analysis) and SMA (Spectral Mixture Analysis) mixture models to discriminate land covers in the Rio Grande do Sul state, South Brazil. MESMA differs from SMA because it may use a variable number and type of endmembers in each pixel. The methodology involved: (a) pre-processing of Hyperion data and conversion of radiance values into atmospherically corrected surface reflectance images; (b) sequential use of the Minimum Noise Fraction (MNF), Pixel Purity Index (PPI) and n- Dimensional Visualizer techniques, in the 454-2334 nm range, for initial selection of a general group of candidate endmembers (first spectral library) and of another group of pixels used for model validation; (c) use of VIPER (Visualization and Image Processing for Environmental Research) Tools algorithm for final selection of endmembers from the first spectral library and from the use of the metrics EAR (Endmember Average RMSE), MASA (Minimum Average Spectral Angle) and CoB (Count Based Endmember Selection); (d) use of VIPER tools to obtain MESMA and SMA models; and (e) comparison of modeling results based on the inspection of fraction images and root mean square error (RMSE) values. Results showed that: (1) the sequential use of the MNF, PPI and n-D Visualizer techniques may comprise an initial step to identify candidate endmembers. Final selection was performed using a combination of EAR, MASA and CoB to minimize possible effects of low signalnoise ratio (SNR) of Hyperion; (2) the selected endmembers represented major scene components such as water (with chlorophyll, clear or bearing in suspended sediments), green vegetation (pinus, eucalyptus and grasslands) and soil (dunes and dry grasslands); (3) By using a variable number and type of endmembers, MESMA produced better results than SMA. When applied over the image, the validation dataset and compared with SMA, the four-endmember MESMA model (soil = dunes and dry grasslands; green vegetation = pinus, eucalyptus and grasslands; water = with chlorophyll, clear and with suspended sediments; shadow) described adequately the diversity of the scene components, including materials within the same class (e.g., pinus and eucalyptus). MESMA produced lower RMSE values and greater number of modeled pixels (85% versus 55%) than SMA; (5) the VIPER tools seems to be an interesting approach for endmember selection and spectral mixture model generation. Results, as a whole, demonstrated the potential use of the MESMA with Hyperion/EO-1 hyperspectral data, even considering the low SNR of the instrument, especially in the shortwave infrared (SWIR).
|
|---|
