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

Remotely sensed imagery has been widely used for land use/cover classification thanks to the periodic data acquisition and the widespread use of digital image processing systems offering a wide range of classification algorithms. The aim of this work was to evaluate some of the most commonly used supervised and unsupervised classification algorithms under different landscape patterns found in Rondônia, including (1) areas of mid-size farms, (2) fish-bone settlements and (3) a gradient of forest and Cerrado (Brazilian savannah). Comparison with a reference map based on the kappa statistics resulted in good to superior indicators (best results - K-means: k=0.68; k=0.77; k=0.64 and MaxVer: k=0.71; k=0.89; k=0.70 respectively for three areas mentioned). Results show that choosing a specific algorithm requires to take into account both its capacity to discriminate among various spectral signatures under different landscape patterns as well as a cost/benefit analysis considering the different steps performed by the operator performing a land cover/use map. it is suggested that a more systematic assessment of several options of implementation of a specific project is needed prior to beginning a land use/cover mapping job.

Mapeamento de semeaduras de soja (Glycine max (L.)Merr.) mediante dados MODIS/Terra E TM/Landsat 5: um comparativo

The objective of this work was to compare the soybean crop mapping in the western of Parana State by MODIS/Terra and TM/Landsat 5 images. Firstly, it was generated a soybean crop mask using six TM images covering the crop season, which was used as a reference. The images were submitted to Parallelepiped and Maximum Likelihood digital classification algorithms, followed by visual inspection. Four MODIS images, covering the vegetative peak, were classified using the Parallelepiped method. The quality assessment of MODIS and TM classification was carried out through an Error Matrix, considering 100 sample points between soybean or not soybean, randomly allocated in each of the eight municipalities within the study area. The results showed that both the Overall Classification (OC) and the Kappa Index (KI) have produced values ranging from 0.55 to 0.80, considered good to very good performances, either in TM or MODIS images. When OC and KI, from both sensors were compared, it wasn't found no statistical difference between them. The soybean mapping, using MODIS, has produced 70% of reliance in terms of users. The main conclusion is that the mapping of soybean by MODIS is feasible, with the advantage to have better temporal resolution than Landsat, and to be available on the internet, free of charge.

Discriminação de incrementos de desflorestamento na Amazônia com dados SAR R99B em banda L

O uso de dados de sensoriamento remoto óptico em projetos de monitoramento de extensas áreas de floresta tropical é limitado devido à intensa cobertura por nuvens. Os dados SAR (Synthetic Aperture Radar) podem ser uma alternativa interessante para detectar desflorestamento nas regiões de floresta tropical onde a cobertura por nuvens é permanente. Neste contexto, o objetivo deste trabalho é avaliar o potencial do dado SAR adquirido em banda L pelo sistema aerotransportado R99B da Força Aérea Brasileira (FAB) para discriminar incremento de desflorestamento na Amazônia. Para tanto, foram realizadas classificações MAXVER-ICM com dados SAR multipolarizados de uma área teste localizada na região Sudeste do Estado do Acre. As classificações realizadas com a combinação dos canais HH, HV e VV e com o par de polarizações HH+HV obtiveram boa concordância com o mapa produzido no projeto PRODES (k = 0,68, onde k é o índice Kappa), o qual foi adotado como dado de referência. Este resultado indica que o dado SAR multipolarizado em banda L possui bom potencial para discriminar incremento de desflorestamento na Amazônia.

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, AMAXVER); 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 A

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.

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.

Eficácia de dados Hyperion/EO-1 para identificação de alvos agrícolas: comparação com dados ETM+/Landsat-7

O objetivo desta pesquisa foi avaliar o uso de dados hiperespectrais Hyperion/EO-1 na discriminação de alvos agrícolas, comparando a acurácia de classificação obtida pelos dados desse sensor à obtida por dados multiespectrais ETM+/Landsat-7. Para isso, alvos agrícolas da região de Franca - SP, com diferenças espectrais bem definidas e outros alvos com diferenças espectrais sutis, imageados por ambos os sensores, em 16 de julho de 2002, foram discriminados utilizando o classificador supervisionado de Máxima Verossimilhança (MaxVer). Os alvos agrícolas com diferenças espectrais bem definidas foram caracterizados por seis classes de uso e cobertura do solo; já os com diferenças espectrais sutis, por cinco classes de variedades de cana-de-açúcar. Quando os dados ETM+ foram classificados, a acurácia foi de 91,5% para as classes de uso e cobertura do solo e de 67,6% para as classes de variedades de cana-de-açúcar, enquanto, para os dados do sensor Hyperion, a acurácia de classificação foi de 94,9% e de 87,1%, respectivamente, demonstrando, assim, a importância do uso de dados hiperespectrais na discriminação de alvos agrícolas com características espectrais semelhantes.

Mapeamento de semeaduras de soja (Glycine max (L.)Merr.) mediante dados MODIS/Terra E TM/Landsat 5: um comparativo

O objetivo deste trabalho foi comparar mapeamentos de semeadura da cultura da soja na região oeste do Paraná, realizados com imagens MODIS/Terra e TM/Landsat 5. Primeiramente, construiu-se máscara de referência, considerando seis imagens TM ao longo do ciclo da cultura, utilizando-se dos algoritmos Paralelepípedo e MaxVer com posterior análise visual. As imagens MODIS foram classificadas com o algorítimo Paralelepípedo, em quatro passagens referentes ao pico vegetativo. O desempenho das classificações foi avaliado por meio de Matrizes de Erros, calculadas pela análise de 100 pontos amostrais (soja ou não-soja), aleatoriamente distribuídos em cada um dos oito municípios da área de estudo. Os principais resultados mostraram que a Exatidão Global (EG) e o Índice Kappa (IK), que variaram entre 0,55 e 0,80, em ambos os sensores, são considerados bons a muito bons. Quando EG e IK dos sensores TM e MODIS foram comparados, não se encontrou diferença significativa. O mapeamento da soja utilizando o sensor MODIS produziu 70% de confiabilidade sob o ponto de vista do usuário. A principal conclusão é a viabilidade de mapear a soja pelo sensor MODIS com as vantagens de que as imagens MODIS têm melhor resolução temporal e são disponibilizadas gratuitamente na Internet.

Detection of soybean planted areas through orbital images based on culture spectral dynamics

The soybean is important to the economy of Brazil, so the estimation of the planted area and the production with higher antecedence and reliability becomes essential. Techniques related to Remote Sensing may help to obtain this information at lower cost and less subjectivity in relation to traditional surveys. The aim of this study is to estimate the planted area with soybean culture in the crop of 2008/2009 in cities in the west of the state of Paraná, in Brazil, based on the spectral dynamics of the culture and through the use of the specific system of analysis for images of Landsat 5/TM satellite. The obtained results were satisfactory, because the classification supervised by Maximum Verisimilitude - MaxVer along with the techniques of the specific system of analysis for satellite images has allowed an estimate of soybean planted area (soybean mask), obtaining values ​​of the metrics of Global Accuracy with an average of 79.05% and Kappa Index over 63.50% in all cities. The monitoring of a reference area was of great importance for determining the vegetative phase in which the culture is more different from the other targets, facilitating the choice of training samples (ROIs) and avoiding misclassifications.

Data mining techniques for identification of spectrally homogeneous areas using NDVI temporal profiles of soybean crop

The aim of this study was to group temporal profiles of 10-day composites NDVI product by similarity, which was obtained by the SPOT Vegetation sensor, for municipalities with high soybean production in the state of Paraná, Brazil, in the 2005/2006 cropping season. Data mining is a valuable tool that allows extracting knowledge from a database, identifying valid, new, potentially useful and understandable patterns. Therefore, it was used the methods for clusters generation by means of the algorithms K-Means, MAXVER and DBSCAN, implemented in the WEKA software package. Clusters were created based on the average temporal profiles of NDVI of the 277 municipalities with high soybean production in the state and the best results were found with the K-Means algorithm, grouping the municipalities into six clusters, considering the period from the beginning of October until the end of March, which is equivalent to the crop vegetative cycle. Half of the generated clusters presented spectro-temporal pattern, a characteristic of soybeans and were mostly under the soybean belt in the state of Paraná, which shows good results that were obtained with the proposed methodology as for identification of homogeneous areas. These results will be useful for the creation of regional soybean "masks" to estimate the planted area for this crop.

Mapping of use and occupation of the soil and irrigation water quality in the city of Salto do Lontra-Paraná, Brazil

The objective of this study consisted on mapping the use and soil occupation and evaluation of the quality of irrigation water used in Salto do Lontra, in the state of Paraná, Brazil. Images of the satellite SPOT-5 were used to perform the supervised classification of the Maximum Likelihood algorithm - MAXVER, and the water quality parameters analyzed were pH, EC, HCO3-, Cl-, PO4(3-), NO3-, turbidity, temperature and thermotolerant coliforms in two distinct rainfall periods. The water quality data were subjected to statistical analysis by the techniques of PCA and FA, to identify the most relevant variables in assessing the quality of irrigation water. The characterization of soil use and occupation by the classifier MAXVER allowed the identification of the following classes: crops, bare soil/stubble, forests and urban area. The PCA technique applied to irrigation water quality data explained 53.27% of the variation in water quality among the sampled points. Nitrate, thermotolerant coliforms, temperature, electrical conductivity and bicarbonate were the parameters that best explained the spatial variation of water quality.

Geostatistics and remote sensing methods in the classification of images of areas cultivated with citrus

This study compares the precision of three image classification methods, two of remote sensing and one of geostatistics applied to areas cultivated with citrus. The 5,296.52ha area of study is located in the city of Araraquara - central region of the state of São Paulo (SP), Brazil. The multispectral image from the CCD/CBERS-2B satellite was acquired in 2009 and processed through the Geographic Information System (GIS) SPRING. Three classification methods were used, one unsupervised (Cluster), and two supervised (Indicator Kriging/IK and Maximum Likelihood/Maxver), in addition to the screen classification taken as field checking.. Reliability of classifications was evaluated by Kappa index. In accordance with the Kappa index, the Indicator kriging method obtained the highest degree of reliability for bands 2 and 4. Moreover the Cluster method applied to band 2 (green) was the best quality classification between all the methods. Indicator Kriging was the classifier that presented the citrus total area closest to the field check estimated by -3.01%, whereas Maxver overestimated the total citrus area by 42.94%.

Comparação de métodos de classificação de imagens, visando o gerenciamento de áreas citrícolas

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Geoestística e sensoriamento remoto na classificação de imagens em áreas cultivadas com citros

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Diagnóstico da expansão da cultura canavieira e dos conflitos ambientais de uso do solo no Município de Barra Bonita/SP

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)