Análise espectral e temporal da cultura do café em imagens Landsat

A definição da resposta espectral da cultura do café é uma das etapas na identificação de lavouras cafeeiras em imagens de satélites de sensoriamento remoto, para fins de mapeamento e estimativa de área plantada. O objetivo deste trabalho foi avaliar o potencial das imagens adquiridas pelos satélites da série Landsat, no mapeamento da cultura do café para a previsão de safras. Foi feita uma análise temporal do comportamento espectral de lavouras de café-formação e café-produção por meio de imagens livres de nuvens adquiridas nos anos de 1999 e 2001. Também foi analisado o comportamento espectral das classes pastagem e mata, que compõem os alvos de maior ocupação na área de estudo. As imagens do período seco foram mais eficientes no mapeamento de lavouras de café-formação e café-produção. As imagens da banda 4 dos dois sensores apresentaram melhor diferenciação espectral entre café e os demais alvos da cena. A reflectância do café-produção apresentou grande variabilidade entre lavouras, que pode ser atribuída à idade, espaçamento de plantas, cultivar, indicando a necessidade de trabalho em campo para a correta identificação das lavouras de café nas imagens Landsat.

Comparação de dados dos satélites Ikonos-II e Landsat/ETM+ no estudo de áreas cafeeiras

O objetivo deste trabalho foi avaliar o impacto do aumento da resolução espacial e radiométrica da imagem pancromática do Ikonos-II na identificação de plantios de café (Coffea arabica), em comparação com as imagens do Landsat/ETM+. A área de estudo está localizada no Município de Pedregulho, SP, onde foram selecionados 50 talhões com plantios de café, e foram levantados dados referentes à altura, idade, espaçamento e variedade de cada talhão. As imagens permitiram a identificação de talhões com características diferentes em campo, tendo-se destacado a imagem do Ikonos-II, que apresentou melhor desempenho. Para os talhões com características iguais em campo, as imagens analisadas não se mostraram eficientes, independentemente do satélite utilizado. As correções atmosféricas e radiométricas, na imagem do Ikonos-II, não proporcionaram ganho efetivo nas análises realizadas. A maioria dos talhões identificados na imagem do Ikonos-II pode ser localizada na imagem do Landsat/ETM+ (68%). A correlação significativa entre a banda 4 do Landsat/ETM+ e o canal pancromático do Ikonos-II indica uma forma de ligação entre as imagens dos dois satélites.

Viabilidade de uso de imagens do Landsat em mapeamento de área cultivada com soja no Estado do Paraná

O objetivo deste trabalho foi avaliar a viabilidade do uso de imagens do Landsat, para o mapeamento da área cultivada com soja, nas safras de 2000/2001 a 2006/2007, no Estado do Paraná. A análise dos "quick looks" das imagens dos sensores TM e ETM+ foi feita para selecionar as imagens úteis para o mapeamento da cultura da soja. Os "quick looks" foram classificados de acordo com a presença ou a ausência de nuvens e de problemas técnicos. Conforme os resultados, em nenhum dos sete anos teria sido possível mapear a área cultivada com soja, em todo o Estado, mesmo nos três anos-safra em que os satélites Landsat 5 e 7 operaram em conjunto. A presença de nuvens, detectada pelos sensores ópticos, deve ser levada em conta no mapeamento sistemático da área cultivada com culturas de verão, no Brasil.

Estimating soybean crop areas using spectral-temporal surfaces derived from MODIS images in Mato Grosso, Brazil

The objective of this work was to evaluate the application of the spectral-temporal response surface (STRS) classification method on Moderate Resolution Imaging Spectroradiometer (MODIS, 250 m) sensor images in order to estimate soybean areas in Mato Grosso state, Brazil. The classification was carried out using the maximum likelihood algorithm (MLA) adapted to the STRS method. Thirty segments of 30x30 km were chosen along the main agricultural regions of Mato Grosso state, using data from the summer season of 2005/2006 (from October to March), and were mapped based on fieldwork data, TM/Landsat-5 and CCD/CBERS-2 images. Five thematic classes were considered: Soybean, Forest, Cerrado, Pasture and Bare Soil. The classification by the STRS method was done over an area intersected with a subset of 30x30-km segments. In regions with soybean predominance, STRS classification overestimated in 21.31% of the reference values. In regions where soybean fields were less prevalent, the classifier overestimated 132.37% in the acreage of the reference. The overall classification accuracy was 80%. MODIS sensor images and the STRS algorithm showed to be promising for the classification of soybean areas in regions with the predominance of large farms. However, the results for fragmented areas and smaller farms were less efficient, overestimating soybean areas.

Soybean crop area estimation by Modis/Evi data

The objective of this work was to develop a procedure to estimate soybean crop areas in Rio Grande do Sul state, Brazil. Estimations were made based on the temporal profiles of the enhanced vegetation index (Evi) calculated from moderate resolution imaging spectroradiometer (Modis) images. The methodology developed for soybean classification was named Modis crop detection algorithm (MCDA). The MCDA provides soybean area estimates in December (first forecast), using images from the sowing period, and March (second forecast), using images from the sowing and maximum crop development periods. The results obtained by the MCDA were compared with the official estimates on soybean area of the Instituto Brasileiro de Geografia e Estatística. The coefficients of determination ranged from 0.91 to 0.95, indicating good agreement between the estimates. For the 2000/2001 crop year, the MCDA soybean crop map was evaluated using a soybean crop map derived from Landsat images, and the overall map accuracy was approximately 82%, with similar commission and omission errors. The MCDA was able to estimate soybean crop areas in Rio Grande do Sul State and to generate an annual thematic map with the geographic position of the soybean fields. The soybean crop area estimates by the MCDA are in good agreement with the official agricultural statistics.

Landsat TM imagery and high altitude aerial photographs in estimation of forest characteristics

Abstract

Predicting soil erosion using Rusle and NDVI time series from TM Landsat 5

The objective of this work was to evaluate the seasonal variation of soil cover and rainfall erosivity, and their influences on the revised universal soil loss equation (Rusle), in order to estimate watershed soil losses in a temporal scale. Twenty-two TM Landsat 5 images from 1986 to 2009 were used to estimate soil use and management factor (C factor). A corresponding rainfall erosivity factor (R factor) was considered for each image, and the other factors were obtained using the standard Rusle method. Estimated soil losses were grouped into classes and ranged from 0.13 Mg ha-1 on May 24, 2009 (dry season) to 62.0 Mg ha-1 on March 11, 2007 (rainy season). In these dates, maximum losses in the watershed were 2.2 and 781.5 Mg ha-1 , respectively. Mean annual soil loss in the watershed was 109.5 Mg ha-1 , but the central area, with a loss of nearly 300.0 Mg ha-1 , was characterized as a site of high water-erosion risk. The use of C factor obtained from remote sensing data, associated to corresponding R factor, was fundamental to evaluate the soil erosion estimated by the Rusle in different seasons, unlike of other studies which keep these factors constant throughout time.

Relações empíricas entre características dendrométricas da Caatinga brasileira e dados TM Landsat 5

O objetivo deste trabalho foi ajustar modelos para estimar características dendrométricas da Caatinga brasileira a partir de dados do sensor TM do Landsat 5. Medidas de diâmetro e altura das árvores foram obtidas de 60 parcelas de inventário (400 m2), em dois municípios do Estado de Sergipe. A área basal e o volume de madeira foram estimados com uso de equação alométrica e de fator de forma (f = 0,9). As variáveis explicativas foram obtidas do sensor TM, após correção radiométrica e geométrica, tendo-se considerado, na análise, seis bandas espectrais, com resolução espacial de 30 m, além dos índices de razão simples (SR), de vegetação por diferença normalizada (NDVI) e de vegetação ajustado ao solo (Savi). Na escolha das melhores variáveis explicativas, foram considerados coeficiente de determinação (R2), raiz do erro quadrático médio (RMSE) e critério bayesiano de informação (CBI). A área basal por hectare não apresentou correlação significativa com nenhuma das variáveis explicativas utilizadas. Os melhores modelos foram ajustados à altura média das árvores por parcela (R2 = 0,4; RMSE = 13%) e ao volume de madeira por hectare (R2 = 0,6; RMSE = 42%). As métricas derivadas do sensor TM do Landsat 5 têm grande potencial para explicar variações de altura média das árvores e do volume de madeira por hectare, em remanescentes de Caatinga situados no Nordeste brasileiro.

Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático

Resumo: O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K-NN para a classificação orientada a objeto em imagens Landsat-8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba-Jaguari, MG. A etapa de pré-processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram-se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram-se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K-NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K-NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial.

Distinção de espécies de eucaliptode diferentes idades por meio de imagens TM/Landsat 5

Resumo: O objetivo deste trabalho foi avaliar a utilização de imagens do sensor TM/Landsat 5 na diferenciação de plantios comerciais de Eucalyptus dunnii e Eucalyptus urograndis com diferentes idades. Demarcaram-se parcelas para identificar as duas espécies, em dois períodos distintos (2009 e 2011), a idades de 3 e 5 anos, para E. dunnii, e 2,2 e 4,2 anos para E. urograndis. Avaliaram-se seis bandas do sensor TM/Landsat 5 (B1, B2, B3, B4, B5 e B7) e seis índices de vegetação: razão simples (SR); índice de vegetação por diferença normalizada (NDVI); índice de vegetação ajustado ao solo (Savi)-0,25; Savi-0,5; índice de vegetação por diferença normalizada com uso da banda verde (GNDVI); e índice de umidade na vegetação (MVI). O processamento digital das imagens consistiu de correção geométrica, radiométrica e atmosférica. Os plantios de E. dunnii e E. urograndis foram diferenciados por meio de cinco bandas do Landsat (B2, B3, B4, B5 e B7) e três índices de vegetação (Savi-0,5, Savi-0,25 e GNDVI), no ano de 2009, e por quatro bandas do Landsat (B2, B4, B5 e B7) e seis índices de vegetação (NDVI, SR, Savi-0,5, Savi-0,25, MVI e GNDVI) no ano de 2011. Os dados espectrais extraídos das imagens TM/Landsat 5 são eficazes, tanto para distinguir as espécies de eucalipto como também a mesma espécie em plantios equiâneos.

Image-Based Coral Reef Classification and Thematic Mapping

This paper presents a novel image classification scheme for benthic coral reef images that can be applied to both single image and composite mosaic datasets. The proposed method can be configured to the characteristics (e.g., the size of the dataset, number of classes, resolution of the samples, color information availability, class types, etc.) of individual datasets. The proposed method uses completed local binary pattern (CLBP), grey level co-occurrence matrix (GLCM), Gabor filter response, and opponent angle and hue channel color histograms as feature descriptors. For classification, either k-nearest neighbor (KNN), neural network (NN), support vector machine (SVM) or probability density weighted mean distance (PDWMD) is used. The combination of features and classifiers that attains the best results is presented together with the guidelines for selection. The accuracy and efficiency of our proposed method are compared with other state-of-the-art techniques using three benthic and three texture datasets. The proposed method achieves the highest overall classification accuracy of any of the tested methods and has moderate execution time. Finally, the proposed classification scheme is applied to a large-scale image mosaic of the Red Sea to create a completely classified thematic map of the reef benthos

Uso de imágenes satélite Landsat para la detección de rodales de Pinus nigra Arn. y Pinus sylvestris L. afectados por escolítidos

El uso de imágenes procedentes de sensores multiespectrales de resolución media como es el caso de Landsat TM ha sido ampliamente utilizado desde décadas para detectar, entre otras variables, el decaimiento y la defoliación provocada por plagas y enfermedades forestales. El presente trabajo evalúa la utilidad del uso de estas imágenes en la detección de rodales de pino laricio (Pinus nigra Arn.) y pino silvestre (Pinus sylvestris L.) afectados por escolítidos. El área de estudio se localizó en el Solsonés (prepirineo de Lleida) seleccionando 34 áreas de entrenamiento (17 rodales afectados por la plaga y 17 rodales sanos). El análisis exploratorio de las imágenes se realizó mediante el programa ERDAS® IMAGINE 8.x. Los resultados del estudio mostraron una significación espectral en 5 de las 7 bandas analizadas, siendo TM5 y TM7 las que mejor comportamiento presentaron. Los niveles digitales obtenidos y los espacios de características creados señalaron sendas tendencias al agrupamiento de rodales afectados versus sanos, consiguiéndose plantear mejoras en el procedimiento metodológico.

Variabilidad espacial del arroz como cultivo indicador de salinidad en regadíos del valle del Ebro a partir de series temporales en imágenes Landsat TM

El presente trabajo pretende la caracterización de la distribución espacial típica del cultivo de arroz en regadíos del valle del Ebro, donde la presencia del cultivo está ligada a la existencia de suelos salino-sódicos. Esta caracterización ha de permitir identificar las áreas donde es típica la presencia del cultivo año tras año y las áreas donde es frecuente su fluctuación debido tanto a condiciones variables de salinidad del suelo como a variabilidad en las condiciones de mercado. Para ello se ha recurrido al análisis de una serie temporal de mapas de cultivos (7 años) derivados de la clasificación supervisada de imágenes Landsat TM. La determinación de las áreas típicas y de fluctuación del cultivo de arroz se hace entonces a partir del análisis estadístico de clases, y mediante superposición espacial de coberturas en un entorno SIG-Raster.