Avaliação de técnicas de segmentação e classificação automática de imagens landsat-tm no mapeamento do uso do solo na Amazônia1

O mapeamento do uso da terra é fundamental para o entendimento dos processos de mudanças globais, especialmente em regiões como a Amazônia que estão sofrendo grande pressão de desenvolvimento. Tradicionalmente estes mapeamentos têm sido feitos utilizando técnicas de interpretação visual de imagens de satélites, que, embora de resultados satisfatórios, demandam muito tempo e alto custo. Neste trabalho é proposta uma técnica de segmentação da imagens com base em um algoritmo de crescimento de regiões, seguida de uma classificação não-supervisionada por regiões. Desta forma, a classificação temática se refere a um conjunto de elementos (pixels da imagem), beneficiando-se portanto da informação contextual e minimizando as limitações das técnicas de processamento digital baseadas em análise pontual (pixel-a-pixel). Esta técnica foi avaliada numa área típica da Amazônia, situada ao norte de Manaus, AM, utilizando imagens do sensor "Thematic Mapper" - TM do satélite Landsat, tanto na sua forma original quanto decomposta em elementos puros como vegetação verde, vegetação seca (madeira), sombra e solo, aqui denominada imagem misturas. Os resultados foram validados por um mapa de referência gerado a partir de técnicas consagradas de interpretação visual, com verificação de campo, e indicaram que a classificação automática é viável para o mapeamento de uso da terra na Amazônia. Testes estatísticos indicaram que houve concordância significativa entre as classificações automáticas digitais e o mapa de referência (em tomo de 95% de confiança).

Mapeamento semidetalhado do uso da terra do Bioma Cerrado

O objetivo deste trabalho foi mapear o uso da terra do Bioma Cerrado na escala de 1:250.000. As seguintes classes de uso da terra foram consideradas: culturas agrícolas, pastagens cultivadas, reflorestamentos, áreas urbanas e áreas de mineração. A metodologia envolveu a segmentação de imagens do satélite Landsat, a classificação visual dos segmentos e a análise da exatidão global do mapa final. Aproximadamente 39,5% do Cerrado apresentaram algum tipo de uso de terra. Pastagens cultivadas e culturas agrícolas foram as classes predominantes, com 26,5 e 10,5%, respectivamente.

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.

Investigação para detecção automática de falhas têxteis

Este trabalho apresenta uma aplicação de Dimensão Fractal (DF) e técnicas de segmentação de imagens na inspeção industrial automática. Foi desenvolvido um sistema para a indústria têxtil objetivando a detecção de defeitos. A indústria têxtil se particulariza por ter um tipo de produção que torna inviável a utilização das técnicas de extração de características morfológiocas, usualmente empregadas em sistemas de controle de qualidade baseados na visão. Basicamente o sistema implementado compara dados obtidos de imagens digitalizadas, as características destes dados dependem do método selecionado. Dois tipos de métodos podem ser usados: métodos de segmentação e dimensão fractal. Para implementação no sistema, métodos de segmentação conhecidos foram adaptados e aperfeiçoados visando a determinação de variações em uma imagem do tecido (o que caracteriza a existência de uma falha). Na utilização da Dimensão Fractal como uma ferramenta para análise de imagens e controle de qualidade utiliza-se um algoritmo que calcula os valores de dimensão fractal de imagens em toda a região teoricamente admissível (2 <= DF <= 3). Os vários métodos foram comparados quanto a sua eficiência, precisão e aplicabilidade.

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.

Uso de imagens de radar para o cálculo da produção primária de plantas aquáticas nas várzeas da Amazônia

A área da planície de inundação da Amazônia é estimada em 300 000km² e sua produtividade primária em 1,17 x 10(14) g C yr-1. Deste total de área e produtividade, estimativas sugerem que 43% e 62%, respectivamente, são atribuídos às plantas aquáticas. Estas estimativas variam de acordo com o pulso de inundação. Por exemplo, durante o período de seca as plantas terrestres (herbáceas) geralmente ocupam áreas que apresentam plantas aquáticas na cheia. A área e a produtividade destes ecossistemas são informações essenciais para a compreensão da dinâmica biogeoquímica da Amazônia. Imagens de satélites (radar) combinadas com amostragem de campo foram utilizadas para estimar a biomassa e mapear a área de cobertura de plantas aquáticas emergentes para calcular a produção primária de plantas aquáticas na várzea do baixo Amazonas. A combinação de bandas C e L forneceu a melhor correlação (r=0,82) e um ponto de saturação de biomassa intermediário (620 gm-2) para estimar biomassa aérea. O método de segmentação e classificação por região foi utilizado para classificar combinações de bandas C e L para cada período de nível de água, e forneceu uma precisão de mapeamento maior que 95% para determinação espacial de áreas cobertas por plantas aquáticas. Combinando a distribuição espacial de plantas aquáticas, o modelo para estimativa de biomassa aérea e a porcentagem de biomassa submersa, estimou-se espacialmente uma produção primária líquida anual de 1.9x10(12) g C yr-1 (±28%) para as plantas aquáticas em uma área de 394km².

Mapeamento da antiga cobertura vegetal de várzea do Baixo Amazonas a partir de imagens históricas (1975-1981) do Sensor MSS-Landsat

Este estudo apresenta um mapa da cobertura vegetal da planície de inundação do Rio Amazonas entre as cidades de Parintins (AM) e Almeirim (PA), com base em imagens Landsat-MSS adquiridas entre 1975 e 1981. O processamento digital dessas imagens envolveu a transformação para imagens-fração de vegetação, solo e água escura (sombra), seguido da aplicação de técnicas de segmentação e classificação por região. O mapa resultante da classificação foi organizado em quatro classes de cobertura do solo: floresta de várzea, vegetação não-florestal de várzea, solo exposto e água aberta. A precisão do mapa foi estimada a partir de dois tipos de informações coletadas em campo: 1) pontos de descrição: para validação das classes de cobertura não sujeitas a grandes alterações, como é o caso dos corpos d'água permanentes, e identificação de indicadores dos tipos de cobertura original presentes na paisagem na ocasião da obtenção das imagens (72 pontos); 2) entrevistas com moradores antigos para a recuperação da memória sobre a cobertura vegetal existente há 30 anos (44 questionários). Ao todo foram coletadas informações em 116 pontos distribuídos ao longo da área de estudo. Esses pontos foram utilizados para calcular o Índice Kappa de concordância entre os dados de campo e o mapa resultante da classificação automática, cujo valor (0,78) indica a boa qualidade do mapa de cobertura vegetal da várzea. Os resultados mostram que a região possuía uma cobertura florestal de várzea de aproximadamente 8.650 km2 no período de aquisição das imagens.

Reconhecimento de variedades de soja por meio do processamento de imagens digitais usando redes neurais artificiais

Neste trabalho, foi aplicado o processamento de imagens digitais auxiliado pelas Redes Neurais Artificiais (RNA) com a finalidade de identificar algumas variedades de soja por meio da forma e do tamanho das sementes. Foram analisadas as seguintes variedades: EMBRAPA 133, EMBRAPA 184, COODETEC 205, COODETEC 206, EMBRAPA 48, SYNGENTA 8350, FEPAGRO 10 e MONSOY 8000 RR, safra 2005/2006. O processamento das imagens foi constituído pelas seguintes etapas: 1) Aquisição da imagem: as amostras de cada variedade foram fotografadas por máquina fotográfica Coolpix995, Nikon, com resolução de 3.34 megapixels; 2) Pré-processamento: um filtro de anti-aliasing foi aplicado para obter tons acinzentados da imagem; 3) Segmentação: foi realizada a detecção das bordas das sementes (Método de Prewitt), dilatação dessas bordas e remoção de segmentos não-necessários para a análise. 4) Representação: cada semente foi representada na forma de matriz binária 130x130, e 5) Reconhecimento e interpretação: foi utilizada uma rede neural feedforward multicamadas, com três camadas ocultas. O treinamento da rede foi realizado pelo método backpropagation. A validação da RNA treinada mostrou que o processamento aplicado pode ser usado para a identificação das variedades consideradas.

Cisto nasolabial: apresentação de um caso e descrição em imagens por TC e RM

O cisto nasolabial é um cisto não odontogênico raro que se desenvolve na região inferior da asa nasal, com patogênese ainda incerta. Esta lesão, que possui crescimento lento e dimensões variáveis (1,5-3cm), caracteriza-se clinicamente por uma tumefação flutuante na região do sulco nasolabial ao redor da asa do nariz, causando uma elevação do lábio superior. Seu diagnóstico pode ser feito basicamente pelo quadro clínico e, se necessário, complementando-se com exames auxiliares por imagens. O presente trabalho relata o caso de uma paciente do sexo feminino de 48 anos, que se queixava da presença de uma massa consistente na região da asa esquerda do nariz e cujas características clínicas eram compatíveis com cisto nasolabial. As imagens de TC demonstraram uma formação expansiva com densidade de tecido mole, localizadas na região nasal esquerda medindo cerca de 1,2cm de diâmetro e apresentando contornos nítidos e bem definidos e densidade homogenia ao redor de 50 UH. Já as imagens de RM mostraram uma lesão de aspecto circular localizada em tecido mole, apresentando hiperintensidade nas imagens ponderadas em T1, T2 e no recurso de supressão da gordura, sendo a hipótese diagnóstico de cisto nasolabial, confirmado pelo exame histopatológico depois da cirurgia.

Integração de imagens NOAA/AVHRR: rede de cooperação para monitoramento nacional da safra de soja

Uma avaliação inicial das condições do desenvolvimento da safra nacional, enquanto as plantas ainda estão nos campos, é altamente necessária para o cálculo correto das projeções na tomada de decisão e políticas relacionadas com o planejamento governamental e segurança alimentar. O objetivo deste trabalho foi avaliar a adequação dos dados NOAA/AVHRR (National Oceanic and Atmospheric Administration / Advanced Very High Resolution Radiometer) em detectar mudanças nas condições da vegetação, devidas à ocorrência de estresse hídrico, na soja, por meio de uma combinação do índice NDVI (Normalized Difference Vegetation Index) e da LST (Land Surface Temperature). Os dados LST e NDVI foram combinados e comparados pixel a pixel, sobre uma área de cultivo de soja, no Rio Grande do Sul. A relação teórica inversa prevista na combinação de LST e NDVI foi detectada. Foi observado que ocorre um aumento médio na LST em uma safra de ciclo normal (de 301,02 K para 308,36 K), quando comparada a uma safra sob condição de estresse hídrico, no desenvolvimento da cultura. Uma redução média do NDVI foi observada no ciclo normal (de 0,65 para 0,53), comparada com uma safra sob efeitos ocasionados pela estiagem no desenvolvimento da cultura. Foi observado maior correlação da produtividade municipal com LST (R2=0,78) do que com o NDVI (R2 = 0,59). Os resultados obtidos indicam que a integração de imagens do sensor AVHRR, proveniente de diferentes instituições, proporciona a adequada combinação espacial e temporal dos dados LST e NDVI, a fim de detectar a ocorrência de estresse hídrico, bem como sua intensidade, caracterizando as condições do ciclo de desenvolvimento da soja.

Um exercício de desconstrução do conceito e da prática de segmentação de mercado inspirado em Woody Allen

O conceito de segmentação de mercado constitui-se em uma forte ferramenta freqüentemente utilizada na tomada de decisão nas organizações. Neste artigo, busca-se analisar elementos nem sempre privilegiados quando se trata a segmentação de mercado como discurso hegemônico. A crítica aqui apresentada inspira-se no filme Desconstruindo Harry, de Woody Allen, o que permitirá compreender o exercício de desconstrução do conceito e da prática da segmentação de mercado com base no gênero e na etnia. Essa proposta ampara-se sobre o postulado de Derrida (1999) de que qualquer conceito, palavra ou significado léxico é passível de desconstrução e na hipótese de que o conceito de segmentação de mercado e sua prática encerram significados não revelados, guardando em si um conjunto de atores e vozes marginalizados.