Caracterização de uso e cobertura da terra na Amazônia utilizando imagens duais multitemporais do COSMO-SkyMed

A utilização de imagens de radar é fonte alternativa de informações para subsidiar o monitoramento da região amazônica, visto que as imagens ópticas têm limitações de imageamento em zonas tropicais face a ocorrência de nuvens. Por conseguinte este trabalho teve como objetivo analisar a capacidade das imagens-radar de banda X multitemporais e polarizadas obtidas pelo satélite COSMO-SkyMed (COnstellation of small Satellites for Mediterranean basin Observation), no modo intensidade, isoladamente e agregados às informações texturais, na caracterização temática de uso e cobertura da terra no município de Humaitá/AM. A metodologia empregada consistiu da: análise das imagens duais obtidas em duas aquisições subsequentes, de forma a explorar a potencialidade do conjunto de dados na forma quad-pol intensidade; extração dos atributos texturais a partir da matriz de coocorrência (Gray Level Co-occurrence Matrix) e posterior classificação contextual; avaliação estatística de desempenho temático das imagens intensidade e texturais, isoladas e em grupos polarizados. Dentre os vários resultados alcançados, foi verificado que o grupo formado somente pelas imagens intensidade apresentou o melhor desempenho, comparado àqueles contendo os atributos texturais. Nesta separabilidade, estavam envolvidas as classes de floresta, floresta aluvial, reflorestamento, savana, pasto e queimada, obtendo-se 66% de acurácia total e valor Kappa de 0,55. Os resultados mostraram que as imagens de banda X do COSMO-SkyMed, modo StripMap (Ping-Pong), multipolarizadas, têm potencial moderado para a caracterização e monitoramento da dinâmica de uso e cobertura da terra na Amazônia brasileira.

Land cover classification of Lago Grande de Curuai floodplain (Amazon, Brazil) using multi-sensor and image fusion techniques

Given the limitations of different types of remote sensing images, automated land-cover classifications of the Amazon várzea may yield poor accuracy indexes. One way to improve accuracy is through the combination of images from different sensors, by either image fusion or multi-sensor classifications. Therefore, the objective of this study was to determine which classification method is more efficient in improving land cover classification accuracies for the Amazon várzea and similar wetland environments - (a) synthetically fused optical and SAR images or (b) multi-sensor classification of paired SAR and optical images. Land cover classifications based on images from a single sensor (Landsat TM or Radarsat-2) are compared with multi-sensor and image fusion classifications. Object-based image analyses (OBIA) and the J.48 data-mining algorithm were used for automated classification, and classification accuracies were assessed using the kappa index of agreement and the recently proposed allocation and quantity disagreement measures. Overall, optical-based classifications had better accuracy than SAR-based classifications. Once both datasets were combined using the multi-sensor approach, there was a 2% decrease in allocation disagreement, as the method was able to overcome part of the limitations present in both images. Accuracy decreased when image fusion methods were used, however. We therefore concluded that the multi-sensor classification method is more appropriate for classifying land cover in the Amazon várzea.

Radarsat backscattering from an agricultural scene

Orbital remote sensing in the microwave electromagnetic region has been presented as an important tool for agriculture monitoring. The satellite systems in operation have almost all-weather capability and high spatial resolution, which are features appropriated for agriculture. However, for full exploration of these data, an understanding of the relationships between the characteristics of each system and agricultural targets is necessary. This paper describes the behavior of backscattering coefficient (sigma°) derived from calibrated data of Radarsat images from an agricultural area. It is shown that in a dispersion diagram of sigma° there are three main regions in which most of the fields can be classified. The first one is characterized by low backscattering values, with pastures and bare soils; the second one has intermediate backscattering coefficients and comprises well grown crops mainly; and a third one, with high backscattering coefficients, in which there are fields with strong structures causing a kind of double bounce effect. The results of this research indicate that the use of Radarsat images is optimized when a multitemporal analysis is done making the best use of the agricultural calendar and of the dynamics of different cultures.

Estudo da dinâmica espaço-temporal do bioma Pantanal por meio de imagens MODIS

O objetivo deste trabalho foi avaliar dados multitemporais, obtidos pelo sensor "moderate resolution imaging spectroradiometer" (MODIS), para o estudo da dinâmica espaço-temporal de duas sub-regiões do bioma Pantanal. Foram utilizadas 139 imagens "enhanced vegetation index" (EVI), do produto MOD13 "vegetation index", dados de altimetria oriundos do "shuttle radar topography mission" (SRTM) e dados de precipitação do "tropical rainfall measuring mission" (TRMM). Para a redução da dimensionalidade dos dados, as imagens MODIS-EVI foram amostradas com base nas curvas de nível espaçadas em 10 m. Foram aplicadas as técnicas de análise de autocorrelação e análise de agrupamentos aos dados das amostras, e a análise de componentes principais na área total da imagem. Houve dependência tanto temporal quanto espacial da resposta espectral com a precipitação. A análise de agrupamentos apontou a presença de dois grupos, o que indicou a necessidade da análise completa da área. A análise de componentes principais permitiu diferenciar quatro comportamentos distintos: as áreas permanentemente alagadas; as áreas não inundáveis, compostas por vegetação; as áreas inundáveis com maior resposta de vegetação; e áreas com vegetação ripária.

Land use/cover classification in the Brazilian Amazon using satellite images

Land use/cover classification is one of the most important applications in remote sensing. However, mapping accurate land use/cover spatial distribution is a challenge, particularly in moist tropical regions, due to the complex biophysical environment and limitations of remote sensing data per se. This paper reviews experiments related to land use/cover classification in the Brazilian Amazon for a decade. Through comprehensive analysis of the classification results, it is concluded that spatial information inherent in remote sensing data plays an essential role in improving land use/cover classification. Incorporation of suitable textural images into multispectral bands and use of segmentation‑based method are valuable ways to improve land use/cover classification, especially for high spatial resolution images. Data fusion of multi‑resolution images within optical sensor data is vital for visual interpretation, but may not improve classification performance. In contrast, integration of optical and radar data did improve classification performance when the proper data fusion method was used. Among the classification algorithms available, the maximum likelihood classifier is still an important method for providing reasonably good accuracy, but nonparametric algorithms, such as classification tree analysis, have the potential to provide better results. However, they often require more time to achieve parametric optimization. Proper use of hierarchical‑based methods is fundamental for developing accurate land use/cover classification, mainly from historical remotely sensed data.

Imagens multipolarizadas do sensor Palsar/Alos na discriminação das fases fenológicas da cana‑de‑açúcar

O objetivo deste trabalho foi avaliar o potencial das imagens multipolarizadas do sensor‑radar Palsar/Alos em diferenciar as fases fenológicas da cana‑de‑açúcar. Valores digitais de quatro imagens do sensor, dos meses de fevereiro, maio, agosto e outubro de 2008, com polarizações HH (emissão e recebimento de onda na polarização horizontal) e HV (emissão de onda na polarização horizontal e recebimento na vertical), foram convertidos para coeficientes de retroespalhamento (σ°), para a análise de dados de cana‑de‑açúcar, cultivadas em talhões na região nordeste do Estado de São Paulo. Foram selecionadas três variedades, em diferentes estágios fenológicos: RB85‑5156, seis talhões; RB86‑7515, dez talhões; e RB92‑5345, dez talhões. As diferenças entre as fases fenológicas foram avaliadas para cada uma das variedades e, também, entre as variedades. A utilização simultânea ou não dos dados do sensor Palsar/Alos, obtidos em duas polarizações, foi capaz de discriminar as diferentes fases de crescimento da cana‑de‑açúcar, com exceção da fase de crescimento dos colmos e a fase de maturação, em que não foi observada diferença significativa.

O desafio da delimitação de áreas de preservação permanente

A demarcação das áreas de proteção no topo de morros e ao longo dos divisores d'água é um processo complexo, dificultando a fiscalização e, por conseguinte, o fiel cumprimento da legislação. Como alternativa aos métodos tradicionalmente utilizados - mapas topográficos, levantamentos de campo e uso dos restituidores - na execução dessa tarefa, apresenta-se uma nova metodologia, alicerçada na modelagem numérica do relevo e implementada em um sistema de informações geográficas. O processo é todo automatizado e alicerça-se em um conceito relativamente novo de modelos digitais de elevação hidrologicamente consistentes, tendo como vantagens a confiabilidade e a reprodutibilidade dos resultados obtidos, além da economia óbvia de tempo e mão-de-obra. A partir da disponibilização gratuita pela NASA dos dados SRTM (Shuttle Radar Topography Mission) para todo o continente americano, os resultados indicaram claramente que a aplicação da Lei Florestal no Brasil passa a ser tão-somente uma vontade política.

Relações entre qualidade da água e uso do solo em Goiás: uma análise à escala da bacia hidrográfica

Este trabalho teve por objetivo principal investigar possíveis relações entre qualidade da água e uso do solo em bacias hidrográficas de abastecimento público em Goiás. Nesse sentido, foram compilados dados de 174 captações, operadas pelo Saneamento de Goiás entre janeiro/2002 e dezembro/2004. Médias anuais de seca e de cheia, de turbidez, cor aparente, pH, cloretos e índices de coliforme total e fecal foram relacionadas, por análise de componentes principais, em um índice de qualidade de água (IQA). Com base no mapa de cobertura e uso do solo de Goiás, à escala de 1:250.000, e um mosaico de imagens SRTM (Shuttle Radar Topography Mission), foram delimitadas as bacias de 89 das captações, para as quais foi calculado um Índice Normalizado de Vegetação Remanescente (NRVI). Cor aparente, turbidez, pH, ICT e ICF estiveram aquém dos padrões legalmente requeridos em até 62,43% das captações analisadas, principalmente nos períodos de cheia, quando os piores valores de IQA são observados. Os resultados indicaram que o IQA utilizado é sensível às variações sazonais e responde ao aporte de sedimentos e matéria orgânica por escoamento superficial. Da mesma forma, esse índice se relaciona, ainda que de forma tênue, às variações regionais nos valores de NRVI. Assim, novos estudos, levando-se em conta outros parâmetros de qualidade da água (como nitrogênio e fósforo) e diferentes escalas da paisagem (ex. zona ripária), são necessários, com vistas a uma melhor determinação dessas relações.

Análise comparativa de sensores de velocidade de deslocamento em função da superfície

Um dos fatores que influencia diretamente no desempenho de sistemas mecanizados é a velocidade de deslocamento pela sua importância no planejamento e na execução das operações agrícolas. O objetivo deste trabalho foi avaliar a acurácia de quatro sensores de velocidade, em condições de superfície asfáltica, solo com cobertura vegetal, aclives e declives, acelerações e desacelerações, submetidos a velocidades representativas para aplicações agrícolas. Foram ensaiados dois modelos comerciais de sensores de radar, um sensor de GPS e um sensor óptico. Foram identificadas diferenças significativas para as situações de solo com cobertura vegetal, acelerações e desacelerações. Para a superfície asfáltica, em situação de velocidade constante, os sensores avaliados não apresentaram desempenho com diferença significativa. Os sensores tipo radar demonstraram ser influenciados pela superfície com cobertura vegetal. Na superfície asfáltica, sob condições de aceleração e desaceleração, o sensor de GPS apresentou retardo nos valores de velocidade quando comparado com os demais.

Distribución espacial de la rugosidad en parcelas agrícolas en Provincia de Buenos Aires - Argentina

O uso de imagens SAR para estimar e monitorar a umidade superficial do solo requer que se considere outros fatores que influenciam na retrodifusão do sinal-radar, entre os quais a rugosidade da cobertura da superfície à escala de centímetro é muito importante. Há diversos métodos para determinar a rugosidade, mas muitos são caros ou de operação de campo complexa. Neste trabalho, é apresentado um método versátil e econômico que usa máquina fotográfica e tela quadrada. Cada fotografia é processada numericamente obtendo a altura RMS, como parâmetro da rugosidade da cobertura. Por meio de técnicas geoestatísticas de krigagem é estimada a distribuição espacial da rugosidade. São mostradas experiências em áreas com cobertura de trigo, localizadas na área agrícola serrana da Província o Buenos Aires, Argentina. Os valores de RMS encontrados (29 mm < RMS < 48 mm) foram analisados com quatro critérios de rugosidade. É expressa sua utilidade para estimar o estado hídrico superficial de solos em áreas agrícolas mediante sua aplicação como entrada (input) nos modelos de retrodispersão de imagens SAR.

Delimitação automática de bacias hidrográficas utilizando dados SRTM

A delimitação adequada de bacias hidrográficas é fundamental por ser essa a unidade territorial para fins de planejamento e de gerenciamento dos recursos hídricos. Desse modo, este trabalho teve objetivo de analisar uma metodologia de delimitação automática de bacias hidrográficas. Foram utilizados, para tanto, dados do projeto Shuttle Radar Topographic Mission (SRTM) integrados e processados em Sistema de Informações Geográficas (SIG). Os resultados confirmam valores de área compatíveis aos obtidos com base em cartas topográficas. Assim, a automatização da delimitação de bacias hidrográficas, por meio de dados do SRTM e ambiente SIG, apresenta-se vantajosa em relação ao custo e benefício proporcionado, além de estabelecer a padronização do traçado e posterior minimização de conflitos quanto à fixação da unidade de gestão dos recursos hídricos.

Comparison between hydrographically conditioned digital elevation models in the morphometric charaterization of watersheds

The aim of this study was to compare the hydrographically conditioned digital elevation models (HCDEMs) generated from data of VNIR (Visible Near Infrared) sensor of ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer), of SRTM (Shuttle Radar Topography Mission) and topographical maps from IBGE in a scale of 1:50,000, processed in the Geographical Information System (GIS), aiming the morphometric characterization of watersheds. It was taken as basis the Sub-basin of São Bartolomeu River, obtaining morphometric characteristics from HCDEMs. Root Mean Square Error (RMSE) and cross validation were the statistics indexes used to evaluate the quality of HCDEMs. The percentage differences in the morphometric parameters obtained from these three different data sets were less than 10%, except for the mean slope (21%). In general, it was observed a good agreement between HCDEMs generated from remote sensing data and IBGE maps. The result of HCDEM ASTER was slightly higher than that from HCDEM SRTM. The HCDEM ASTER was more accurate than the HCDEM SRTM in basins with high altitudes and rugged terrain, by presenting frequency altimetry nearest to HCDEM IBGE, considered standard in this study.

The use of ALOS/PALSAR data for estimating sugarcane productivity

Some models have been developed using agrometeorological and remote sensing data to estimate agriculture production. However, it is expected that the use of SAR images can improve their performance. The main objective of this study was to estimate the sugarcane production using a multiple linear regression model which considers agronomic data and ALOS/PALSAR images obtained from 2007/08, 2008/09 and 2009/10 cropping seasons. The performance of models was evaluated by coefficient of determination, t-test, Willmott agreement index (d), random error and standard error. The model was able to explain 79%, 12% and 74% of the variation in the observed productions of the 2007/08, 2008/09 and 2009/10 cropping seasons, respectively. Performance of the model for the 2008/09 cropping season was poor because of the occurrence of a long period of drought in that season. When the three seasons were considered all together, the model explained 66% of the variation. Results showed that SAR-based yield prediction models can contribute and assist sugar mill technicians to improve such estimates.