Estatística: Aplicação ao Sensoriamento Remoto SER 202 - ANO 2016 Apresentação da Disciplina Camilo Daleles Rennó

Apresentação em tema: "Estatística: Aplicação ao Sensoriamento Remoto SER 202 - ANO 2016 Apresentação da Disciplina Camilo Daleles Rennó"— Transcrição da apresentação:

1 Estatística: Aplicação ao Sensoriamento Remoto SER 202 - ANO 2016 Apresentação da Disciplina Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/

2 Estatística Definição: é a ciência que investiga os processos de obtenção, organização e análise de dados sobre uma população, e os métodos de tirar conclusões ou fazer predições com base nesses dados. população = universo = espaço amostral população (é conjunto de todos os resultados possíveis de um experimento, representado por U, S ou  ) Estatística Descritiva X Estatística Inferencial 2

3 Estatística  3

4 Estatística  média moda mediana desvio médio desvio padrão assimetria curtose coeficiente de variação 4

5 Estatística Estatística Descritiva X Estatística Inferencial  5 distribuição teórica com parâmetros desconhecidos

6 Estatística Estatística Descritiva X Estatística Inferencial  intervalos de confiança testes de hipóteses 6 distribuição teórica com parâmetros desconhecidos

7 Para que Estatística em SR? caracterizar um fenômeno ex: Qual o retroespalhamento de áreas florestais em dados JERS? Fonte: Santos et al. Savanna and tropical rainforest biomass estimation and spatialization using JERS-1 data. Int. J. Remote Sensing, 23(7):1217-1229. 2002 7

8 Para que Estatística em SR? comparar fenômenos ex: é possível distinguir diferentes níveis de degradação em florestas tropicais em imagens Landsat/TM? Fonte: http://www.obt.inpe.br/degrad/ 8

9 Para que Estatística em SR? encontrar padrões ex: qual o comportamento espectral padrão da cana-de-açúcar? Fonte: http://www.a-a-r-s.org/aars/proceeding/ACRS2004/Papers/HSS04-1.htm 9

10 Para que Estatística em SR? selecionar fatores mais importantes para explicar um fenômeno ex: quais as bandas Landsat/TM e/ou índices de vegetação que melhor explicam a variação da área basal da caatinga? Fonte: http://www.scielo.br/pdf/pab/v49n4/0100-204X-pab-49-04-0306.pdf 10

11 Para que Estatística em SR? encontrar relações matemáticas entre fenômenos ex: qual modelo matemático que melhor estima a concentração de sólidos em suspensão de corpos d´água na Amazônia a partir da reflectância de superfície em dados do Landsat/TM? Fonte: http://mtc-m19.sid.inpe.br/col/sid.inpe.br/mtc-m19/2013/02.26.19.52/doc/publicacao.pdf 11

12 Para que Estatística em SR? avaliar classificações/mapeamentos/modelos ex: qual método de classificação resulta no melhor mapeamento de uma área urbana? Fonte: http://marte.sid.inpe.br/col/ltid.inpe.br/sbsr/2004/11.19.17.58/doc/4217.pdf Classificação MAXVERClassificação orientada a objetosImagem IKONOS fusionada 12

13 Para que Estatística em SR? especificar tamanho de amostra ex: quantas observações uma amostra deve ter para garantir que a exatidão de mapeamento estimada esteja dentro de certos limites aceitáveis? Fonte: http://marte.sid.inpe.br/col/ltid.inpe.br/sbsr/2004/11.19.17.58/doc/4217.pdf 13

14 Estatística em SR (imagens) Uma imagem é uma grade ou matriz, onde cada número representa o valor de uma grandeza (radiância, reflectância, retroespalhamento, etc) de um elemento de resolução (pixel ou célula). A visualização é feita associando-se a cada número um nível de cinza (ou uma cor). 14

15 Estatística em SR (imagens) Numa imagem classificada, cada elemento de resolução está associado a uma classe de acordo com um conjunto de regras.  100 > 100 fatiamento 15

16 Estatística em SR (imagens) 99 174 187 162 163 16 7 156175 148 9 152 149 137 32 23 155 139 102 28 18 99 142 99 174 187 162 163 16 7 156175 148 9 152 149 137 32 23 155 139 102 28 18 99 142 139 142 Sorteio aleatório de 1 ponto... 16

17 Dinâmica do curso Revisão sobre probabilidades Variáveis Aleatórias e Distribuições de Probabilidade Inferência Estatística Intervalo de Confiança Teste de Hipótese Análise de Variância e Regressão Componentes Principais Análise de Agrupamento Teoria de Amostragem Técnicas de Reamostragem Avaliação de Classificação Estatísticas Não-Paramétricas Simulação Estocástica 17

18 Dinâmica do curso Avaliações: Exercícios individuais disponibilizados ao término de cada aula entregues por e-mail até às 17h da sexta-feira subsequente a aula notas: 0 – não entregue, 5 incompleta e 10 completo (mesmo se errado) discutido no início da primeira aula da semana (sem identificação) Exercícios em grupo Provas 18