Mapeamento do uso e cobertura da terra a partir da segmentação e classificação de imagens-fração solo, sombra e vegetação derivadas do modelo linear de mistura aplicado a dados do sensor TM/Landsat5, na região do reservatório de Tucuruí - PA

Técnicas de sensoriamento remoto são fundamentais para o monitoramento das mudanças de uso da terra, principalmente em áreas extensas como a Amazônia. O mapeamento de uso da terra, geralmente é realizado por métodos de classificação manual ou digital pixel a pixel, os quais consomem muito tempo. Este estudo aborda a aplicação do modelo linear de mistura em uma imagem Landsat-TM segmentada para o mapeamento das classes de uso da terra na região do reservatório de Tucuruí-PA para os anos de 1996 e 2001.

Estimativa de área de soja por classificação de imagens normalizada pela matriz de erros

O objetivo deste trabalho foi estimar a área plantada com soja por meio da normalização da matriz de erros gerada a partir da classificação supervisionada de imagens TM/Landsat‑5. Foram avaliados oito municípios no Estado do Paraná, com dados referentes à safra de 2003/2004. As classificações foram realizadas por meio dos métodos paralelepípedo e máxima verossimilhança, dando origem à "máscara de soja". Os valores do índice Kappa dos oito municípios ficaram acima de 0,6. As estimativas de área de soja, corrigidas por matriz de erros, apresentaram alta correlação com as estimativas oficiais do estado e com as estimativas geradas a partir de um método alternativo denominado "expansão direta". A estimativa de área de soja por meio da normalização da matriz de erros apresenta menor custo e pode subsidiar métodos convencionais na estimativa menos subjetiva de safras.

Avaliação e compação de métodos de classificação de imagens de satélites para o mapeamento de estádios de sucessão florestal

Este trabalho teve como objetivo comparar as imagens orbitais fornecidas pelos satélites CBERS-2, IRS-P6 e Quickbird para o mapeamento dos estádios de sucessão florestal, utilizando-se diferentes métodos de classificação de imagens digitais. A área de estudo incluiu as reservas de floresta nativa pertencentes ao projeto florestal Macedônia, localizado nos Municípios de Bugre e Ipaba, entre os paralelos 19º19'00"S e 19º24'30"S e os meridianos 42º27'00"W e 42º21'00"W, Estado de Minas Gerais. Foram utilizadas as classificações visual, por pixel e por regiões. Para fins de avaliação da fidedignidade da classificação de cada método, de forma particular, foi gerada a matriz de erros e calculado o índice Kappa. Para testar a significância estatística da diferença entre dois índices Kappa, foi utilizado o teste Z. De maneira geral, os melhores resultados foram as classificações obtidas nos métodos por regiões e visual, apresentando valores de Kappa mais elevados que as classificações por pixel; a imagem resultante da fusão da imagem IRS com a CBERS, classificada pelo método de regiões, obteve o melhor índice Kappa, estando dentro do nível considerado como bom. Os problemas de separação entre as classes resultaram em classificações com baixo nível de exatidão, o que pode ser explicado pela semelhança espectral entre os alvos (estádios inicial, médio e avançado de sucessão florestal), pequena variação entre os valores numéricos dos pixels, existência de sobreposição entre classes e baixa resolução espectral dos sensores.

Avaliação de técnicas de classificação digital de imagens landsat em diferentes padrões de cobertura da terra em Rondônia

Dados de sensoriamento remoto têm sido largamente utilizados para classificação da cobertura e uso da terra, em particular graças à aquisição periódica de imagens de satélite e à generalização dos sistemas de processamento digital de imagens, que oferecem uma variedade de algoritmos de classificação de imagens. Este trabalho teve por objetivo avaliar alguns dos métodos mais comuns de classificações supervisionadas e não supervisionadas para imagens do sensor TM do satélite Landsat-5, em três áreas com diferentes padrões de paisagem em Rondônia: (1) áreas de fazendas de "Médio porte", (2) assentamentos no padrão "Espinha de peixe" e (3) áreas de contato entre floresta e "Cerrado". A comparação com um mapa de referência baseado na estatística Kappa produziu indicadores de desempenho bons ou superiores (melhores resultados - K-médias: k = 0,68; k = 0,77; k = 0,64 e MaxVer: k = 0,71; k = 0,89; k = 0,70, respectivamente nas três áreas citadas), para os algoritmos utilizados. Os resultados indicaram que a escolha de um algoritmo deve considerar tanto a capacidade de discriminar várias assinaturas espectrais em diferentes padrões de paisagem quanto a relação custo/benefício decorrente das várias etapas do trabalho dos operadores que elaboram um mapa de cobertura e uso da terra. Este trabalho apontou a necessidade de esforço mais sistemático de avaliação prévia de várias opções de execução de um projeto específico antes de se iniciar o trabalho de elaboração de um mapa de cobertura e uso da terra.

Imagens mono e multitemporais Modis para estimativa da área com soja no estado de Mato Grosso

O objetivo deste trabalho foi avaliar uma nova metodologia para mapeamento da cultura da soja no Estado de Mato Grosso, por meio de imagens Modis e de diferentes abordagens de classificação de imagens. Foram utilizadas imagens diárias e imagens de 16 dias. As imagens diárias foram diretamente classificadas pelo algoritmo Isoseg. As duas séries de imagens de 16 dias, referentes ao ciclo total e à metade do ciclo da cultura da soja, foram transformadas pela análise de componentes principais (ACP), antes de serem classificadas. Dados de referência, obtidos por interpretação visual de imagens do sensor TM/Landsat-5, foram utilizados para a avaliação da exatidão das classificações. Os melhores resultados foram obtidos pela classificação das imagens do ciclo total da soja, transformadas pela ACP: índice global de 0,83 e Kappa de 0,63. A melhor classificação de imagens diárias mostrou índice global de 0,80 e Kappa de 0,55. AACP aplicada às imagens do ciclo total da soja permitiu o mapeamento das áreas de soja com índices de exatidão melhores do que os obtidos pela classificação derivada das imagens de data única.

Classificação orientada a objetos aplicada na caracterização da cobertura da terra no Araguaia

O objetivo deste trabalho foi utilizar a classificação orientada a objetos em imagens TM/ Landsat‑5, para caracterizar classes de uso e cobertura da terra, na região do Médio Araguaia. A cena 223/068, adquirida em 5/9/2010, foi submetida a correção radiométrica, atmosférica e geométrica, como etapas de pré‑processamento. Em seguida, foram geradas duas imagens por meio das matemáticas de bandas espectrais do índice de vegetação por diferença normalizada (NDVI) e do índice de água por diferença normalizada modificado (MNDWI), utilizados na classificação de imagens. Para a segmentação destas, utilizaram-se os parâmetros de escala 250, 200, 150, 100, 50, os algoritmos "assign class" e "nearest neighbor", e os descritores de média, área e relação de borda. Foi empregada matriz de confusão, para avaliar a acurácia da classificação, por meio do coeficiente de exatidão global e do índice de concordância Kappa. A exatidão global para o mapeamento foi de 83,3%, com coeficiente Kappa de 0,72. A classificação foi feita quanto às fitofisionomias do Cerrado, ao uso antrópico e urbano da terra, a corpos d'água e a bancos de areia. As matemáticas de bandas espectrais utilizadas apresentam resultados promissores no delineamento das classes de cobertura da terra no Araguaia.

Estimativa de áreas com culturas de verão no Paraná, por meio de imagens multitemporais EVI/Modis

O objetivo deste trabalho foi estimar e mapear as áreas com as culturas de soja e milho, no Paraná, com uso de imagens multitemporais EVI/Modis. Foram avaliados os anos‑safra de 2004/2005 a 2007/2008. Em razão da alta dinâmica temporal e da heterogeneidade de datas de semeadura das culturas no estado, foram utilizadas cenas que contemplavam as fases de pré‑plantio e de desenvolvimento inicial das culturas, para gerar a imagem de mínimo EVI (IMIE), e cenas que consideravam o pico vegetativo das culturas, para gerar a imagem de máximo EVI (IMAE). Estas imagens foram utilizadas para gerar a composição colorida RGB (R, IMAE; GB, IMIE), o que permitiu a confecção de máscara das áreas com soja e milho. As estimativas das áreas de máscara por município foram comparadas com dados oficiais de produção agrícola municipal, tendo-se observado bons ajustes (R²>0,84, d>0,95, c>0,85) entre os dados. Para a avaliação da exatidão espacial das máscaras, imagens Landsat‑5/TM e AWiFS/IRS foram usadas como referência para construção da matriz de erros. Os resultados obtidos são indicativos de que a metodologia proposta é altamente eficiente e pode ser utilizada para mapeamento dessas culturas.

Técnicas de mineração de dados para identificação de áreas com cana-de-açúcar em imagens Landsat 5

Neste trabalho, verificou-se a aderência de técnicas de mineração de dados voltadas para problemas de classificação de dados na identificação automatizada de áreas cultivadas com cana-de-açúcar, em imagens do satélite Landsat 5/TM. Para essa verificação, foram estudadas imagens de áreas cultivadas com cana-de-açúcar em três fases fenológicas diferentes. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças das cidades de Araras, São Carlos e Araraquara, no Estado de São Paulo. Foram gerados cinco modelos de árvores de decisão binária, induzidos pelo algoritmo C4.5, em que todos produziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos significativos na acurácia do modelo de classificação e contribuiu para melhorar a distinção de áreas cultivadas com cana-de-açúcar em meio a tipos diversos de cobertura do solo, como solo exposto, área urbana, lagos e rios. Os índices de vegetação mostraram-se relevantes na distinção da fase e do estado fenológico das culturas. Os resultados reforçam o potencial forte das árvores de decisão no processo de classificação e identificação de áreas cultivadas com cana-de-açúcar, em diferentes cidades produtoras, no Estado de São Paulo.

Estimativa de área de vegetação secundária na Amazônia Legal Brasileira

A vegetação secundária tem funções relevantes para os ecossistemas, tais como a fixação de carbono atmosférico, a manutenção da biodiversidade, o estabelecimento da conectividade entre remanescentes florestais, manutenção dos regime hidrológico e a recuperação da fertilidade do solo. O objetivo deste trabalho é, através de uma abordagem amostral, estimar a área ocupada por vegetação secundária na Amazônia Legal Brasileira (AML) em 2006. A amostragem se baseia em uma abordagem estratificada pelo grau de desflorestamento das cenas LANDSAT-TM que recobrem a AML. Foram selecionadas 26 cenas para o ano de 2006, distribuídas em sete estratos conforme o percentual de desflorestamento, nas quais foram mapeadas as áreas de vegetação secundária a partir de técnicas de classificação de imagens. Foi desenvolvido um modelo multivariado de regressão para estimar a área de vegetação secundária utilizando como variáveis independentes a área de desflorestamento, a área de hidrografia, a estrutura agrária, e área das unidades de conservação. A análise de regressão encontrou um R2 ajustado de 0,84 , e coeficientes positivos para a proporção de hidrografia na imagem (2,055) e para a estrutura agrária (0,197), e coeficientes negativos para o grau de desflorestamento na imagem (-0,232) e para a proporção de Unidades de Conservação na imagem (-0,262). O modelo de regressão estimou uma área de 131.873 km² de vegetação secundária para o ano de 2006. Aplicando uma simulação Monte Carlo foi estimada uma incerteza de aproximadamente 12.445 km² para a área.

Análise do potencial de imagem TerraSAR-X para mapeamento temático no sudoeste da Amazônia brasileira

O presente trabalho tem como objetivo analisar o potencial de imagens SAR polarimétricas do sensor TerraSAR-X, no modo StripMap, para mapear o uso e cobertura da terra na região sudoeste da Amazônia brasileira. No procedimento metodológico imagens de amplitude nas polarizações A HH e A VV, Aderivada da matriz de covariância, bem como da entropia A Entropia derivada da decomposição de alvos por auto-valores fizeram parte, de forma individual ou combinada, do conjunto de dados investigados. Na classificação das imagens foram empregados dois classificadores: um baseado nas funções estatísticas de máxima verossimilhança (MAXVER); e outro, o método contextual (Context). Os resultados temáticos dessas classificações foram avaliados através da matriz de confusão e pelo índice Kappa. De forma sintetizada pode-se afirmar que as componentes Adesempenho alcançou com 78% de exatidão global e índice Kappa de 0,70.

Dinâmica do uso e cobertura da terra no sudeste de Roraima utilizando técnicas de detecção de mudanças

A ocupação e consolidação do território na Amazônia apresentam diferentes características relacionadas à dinâmica das conversões de uso e cobertura da terra, que podem ser analisadas utilizando imagens orbitais de sensoriamento remoto. O objetivo do presente trabalho foi avaliar os produtos de detecção de mudanças gerados por análise de vetor de mudança (AVM) e subtração de imagens, a partir de imagens-fração derivadas das imagens ópticas TM/Landsat, para o estudo das conversões de uso e cobertura da terra presentes em área de colonização agrícola na região sudeste de Roraima. Analisaram-se as imagens de mudança provenientes da aplicação do AVM (magnitude, alfa e beta) e da subtração das imagens-fração (solo, sombra e vegetação) quanto à sua capacidade de identificar e discriminar as conversões existentes, de acordo com levantamento de campo. Foram testados dois algoritmos de classificação de imagens do tipo supervisionado, Bhattacharyya e Support Vector Machine. Foram feitos agrupamentos para otimizar a identificação das conversões nas classificações testadas. Houve melhor desempenho do classificador por regiões Bhattacharyya na discriminação das conversões. A utilização das imagens-diferença das frações como informação de entrada para o classificador apresentou qualidade de classificação muito boa ou excelente, sendo superior às classificações utilizando os produtos AVM, isoladamente ou em conjunto com as imagens-diferença.

Painel amostral para estimativa de áreas agrícolas

O objetivo deste trabalho foi desenvolver metodologia que integre sensoriamento remoto e sistema de informações geográficas (SIG) para criar um painel amostral e alocar segmentos regulares por meio de um sistema de amostragem aleatória estratificada. Diferentes estratos foram obtidos por meio da classificação de imagens de satélite. Em cada estrato foi realizado sorteio para a seleção dos segmentos amostrais, os quais foram visitados para delimitar as diversas culturas e estimar a área. Na estimativa da área plantada por cultura, para toda a região, utilizou-se o estimador por expansão direta por meio de um procedimento semi-automático. A metodologia reduziu tanto a subjetividade do percentual da área agrícola estimada no estrato, quanto o tempo de construção do painel amostral.

Classificação de refrigerantes através de análise de imagens e análise de componentes principais (PCA)

This paper describes an approach for the colour-based classification of RGB (red-green-blue) images, acquired using a common scanner, of commercial carbonated soft drinks. Mean histograms of image colour channels were evaluated for the PCA classification of 29 brands of Guaraná, Cola, and orange flavors. Loadings for principal component axes resulted in different patterns for sample grouping on score plots according to RGB histograms. pH, sorbic acid and sucrose measurements were also correlated to the analyzed brands through PCA score plots of the digitalized images.

Avaliação da classificação digital de povoamentos florestais em imagens de satélite através de índices de acurácia

A utilização de matéria-prima de origem florestal aumentou significativamente nas últimas décadas. A busca por alta produtividade concretizou-se com a introdução de espécies exóticas, principalmente Eucalyptus sp. e Pinus sp. Neste trabalho avaliou-se a precisão da classificação digital obtida no levantamento de povoamentos florestais implantados e naturais da área da carta de Cachoeira do Sul - RS, utilizando técnicas de geoprocessamento, sensoriamento remoto, SIG (sistema de informação geográfica) e GPS (sistema de posicionamento global). Verificou-se que a área é ocupada por vegetação natural (35,54%), Pinus sp. (1,89%) e Eucalyptus sp. (0,77%), cuja precisão na classificação supervisionada digital foi: Exatidão global (85,23%), Kappa (84,90%) e Tau (77,74%). Concluiu-se que os três índices de acurácia podem ser utilizados, apesar de os índices Kappa e Tau mostrarem-se mais consistentes.

Mapeamento de fragmentos florestais com monodominância de aroeira a partir da classificação supervisionada de imagens Rapideye

A espécie florestal Myracrodruon urundeuva (Fr. All.) figura desde 1992 na lista de espécies da flora brasileira ameaçadas de extinção e, contudo, manifesta comportamento monodominante em algumas regiões do Estado de Minas Gerais, sobretudo na região do Médio Rio Doce. Este trabalho teve por objetivo comparar métodos de classificação supervisionada de imagens Rapideye para mapeamento de fragmentos florestais monodominados por Myracrodruon urundeuva em Tumiritinga, MG. Foram avaliadas a classificação pelo algoritmo da Maximaverossimilhança (Maxver) e a classificação por Redes Neurais Artificiais (RNA). Foram testadas 19 combinações envolvendo diferentes bandas, componentes principais e o índice de vegetação da diferença normalizada para a classificação da imagem Rapideye. O treinamento da rede foi realizado variando-se a taxa de aprendizado, o número de interações e o número de neurônios na camada interna. A avaliação dos mapas temáticos produzidos foi realizada através dos índices Kappa e Kappa condicional para a classe de uso do solo "aroeira" e pela análise das Matrizes de Confusão. O método que apresentou melhor desempenho foi a classificação de todas as bandas da imagem Rapideye pelo algoritmo Maxver, apresentando coeficientes Kappa 80 e Kappa condicional 90. O mapa temático gerado teve exatidão do usuário igual a 93% e exatidão do produtor igual a 90%, sendo as maiores confusões do classificador para a classe Aroeira Monodominante acometidas entre as classes Mata Nativa e Pasto Manejado. Da imagem temática produzida, extraiu-se a informação de que 22% do Município de Tumiritinga se encontrava sob ocupação da aroeira em monodominância. A análise do uso e cobertura do solo no município não retrata, na região de estudo, o quadro anunciado de espécie ameaçada de extinção, no qual M. urundeuva se encontra.