Marsh is a wetland type characterized by hydromorphic soils, herbaceous vegetation, aquatic and emergent vegetation; usually, the apparent water surface does not exceed 25% of the area. Multi-polarized active remote sensors with different frequencies have characteristics that make them ideal for mapping and delineating marsh areas since they provide information on canopy roughness, vegetation moisture and amount of biomass. Therefore, the main objective of this study is to develop a method based on multi-frequency radar satellites images to delineate marsh areas using decision tree classification. In order to reach this objective, we sought to answer the following questions: (1) Are L-band SAR images more efficient for marshes delineation than C-band SAR images? (2) Is multi-sensor (L and C-band) integration more accurate for marsh areas delineation than a single sensor? and (3) What are the most efficient channels for marshes delineation? Our findings showed that L-band images present greater proportion correct (PC) for marshes delineation compared to C-band images. However, the greatest PC was found using integration of Alos Palsar 1 and Sentinel 1 satellites images, reaching more than 72% of correctness. Regarding the polarization importance to Alos Palsar 1 image, HVVH presented the highest importance, with 29%, followed by VH and HV polarizations, both with 28%. For Sentinel 1 image, the most important polarization was VH, with 22%, followed by VV + VH that presented 20%. HVVH polarization was the most important in Alos and Sentinel images integration, with 35%, followed by Alos Palsar HV and VH, with 34 and 33%, respectively. Thus, we concluded that the method based on SAR multi-frequency data integration used in this study can be easily applied by other researchers interested in marsh delineation since the radar images used are freely available and can be processed and manipulated in free GIS software.
Delinear com precisão os limites das Áreas Úmidas (AUs) e os padrões de cobertura vegetal é um passo essencial para a rápida avaliação e gestão destes ecossistemas. A Análise de Imagens Baseada em Objeto (Object-Based Image Analysis - OBIA) a partir de aprendizado de máquina e da integração de dados ópticos e de radar apresentam vantagens em relação a outras técnicas no mapeamento da cobertura vegetal nos ecossistemas de AUs. Este estudo tem como objetivo classificar tipologias de cobertura vegetal em áreas úmidas, integrando imagens ópticas e SAR dos satélites Sentinel-1 e 2A e o algoritmo Random Forest à classificação OBIA, utilizando como estudo de caso o Banhado Grande, localizado no Rio Grande do Sul. Como resultados, as polarizações VH e VV do Sentinel-1 obtiveram a maior relevância na classificação (18,6%). Entre as bandas ópticas as maiores relevâncias ocorreram para as bandas Borda Vermelha e Infravermelho Médio. A partir dos atributos ópticos, a classificação obteve acurácia de 86,2%. Quando inseridos os atributos SAR mais importantes, a acurácia aumentou para 91,3%. A classe Macrófitas Emergentes (ME), correspondente à espécie Scirpus giganteus, alcançou a melhor acurácia (91%), com área estimada em 1.507 ha. Concluímos que a integração de imagens aliada ao método de classificação possibilitou identificar e delimitar a extensão das tipologias vegetais e a área total do ecossistema. Os resultados acurados demostram que esta abordagem metodológica pode ser expandida para outras áreas úmidas palustres subtropicais.
Facing the climate change and anthropogenic activities that have been discharging a large proportion of carbon dioxide CO 2 ) into the atmosphere, wetlands stand out as an important sink for CO 2 that is fixed in plant biomass and peatlands. Therefore, quantifying and monitoring wetland biomass is of great importance to preserve carbon stocks. This study aims to explore the potential of multispectral bands and vegetation indices (VIs) derived from PlanetScope and Sentinel-2A sensors to estimate of aboveground biomass (AGB) and organic carbon in AGB (Corg) in the emergent vegetation of a palustrine wetland. We use correlation analysis and linear regression models to examine the relationships between spectral and biophysical variables and verify the best predictor spectral variables for AGB and Corg. Scirpus giganteus vegetation was sampled in the Banhado Grande wetland, in southern Brazil. The VIs were best correlated and preferred as predictor variables. The most accurate model used data from the PlanetScope sensor and VI of photochemical reflectance. Both sensors showed potential for pixel-based estimates of AGB and Corg due to their low RMSE values and their contribution as predictors of biophysical variables, which can contribute to opening new avenues in scientific research focusing on the management, monitoring, and conservation of marshes and your ecosystem service of carbon sink.
As inundações são fenômenos naturais que possuem uma distribuição temporal irregular, possibilitando a expansão populacional nesse tipo de região, o que, aliado a falta de planejamento, torna-se uma das principais causas de desastres. A bacia hidrográï¬ca do arroio Demétrio encontra-se na porção Leste do município de Gravataí, localizado no estado do Rio Grande do Sul, onde se veriï¬ca um intenso processo de ocupação próximo às suas margens, locais consequentemente suscetíveis a inundações. Esse estudo tem como objetivo espacializar as áreas suscetíveis à ocorrência de inundações na bacia do arroio Demétrio, por meio da integração entre um modelo hidrológico aplicável em pequenas bacias hidrográï¬cas e dados obtidos por sensoriamento remoto e geoprocessamento. Para alcançar os objetivos propostos, este estudo compreendeu, primeiramente, a aquisição de dados para a modelagem hidrológica por meio da extração de parâmetros físicos da bacia, usando bases cartográï¬cas digitais e geotecnologias. Posteriormente foi realizada a simulação hidrológica, por meio da utilização do modelo chuva-vazão da Soil Conservation Service (SCS, 1986) e o modelo de propagação da onda de cheia Muskingum-Cunge (CUNGE, 1969), na sua versão não linear. A última etapa deste trabalho consistiu na espacialização das áreas inundáveis na bacia para uma precipitação extrema com tempo de retorno de 50 anos, o que resultou em um mapa de áreas suscetíveis a inundações. Também foram mapeadas as áreas construídas, a ï¬ m de relacionar as áreas suscetíveis à quelas ocupadas. A partir das modelagens, foi elaborado um mapa de áreas suscetíveis a inundações. Por ï¬ m, fez-se um mapeamento da evolução das áreas ediï¬cadas na bacia, com posterior confecção de mapa de comparação entre áreas ediï¬cadas e suscetíveis a inundações. Assim, veriï¬ca-se que este estudo poderá servir de base para futuros estudos relacionados a vulnerabilidade e a risco nas áreas atingidas.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.