Classificação sub-pixel de séries temporais de dados MODIS para a quantificação de áreas inundadas do Pantanal.

Resumo. As inundações no Pantanal condicionam a produção de peixes e influenciam a dinâmica da vegetação, afetando a criação de gado bovino. O entendimento da dinâmica das inundações é de fundamental importância para inferir sobre o nível das cheias, já que causam mudanças em toda a planície. As imagens do sensor MODIS (MODerate Resolution Imaging Spectroradiometer) fornecem uma ampla cobertura da superfície da Terra com alta periodicidade, que possibilitam o monitoramento das inundações. Entretanto, a sua moderada resolução espacial faz com que possa ocorrer a mistura espectral de diferentes classes de cobertura da terra dentro de um mesmo pixel. Nesse contexto, o objetivo do trabalho foi aplicar uma metodologia de classificação sub-pixel utilizando séries temporais de dados MODIS para quantificar as áreas inundadas do Pantanal. Os dados da banda do infravermelho médio do MODIS possibilitaram o monitoramento de áreas inundadas no Pantanal durante os anos hidrológicos de 2007/2008 e 2008/2009. O período de seca e enchente é bastante variável, ocorrendo de norte para sul e de leste para oeste. A Medida de Compromisso do classificador Fuzzy ARTMAP possibilitou a quantificação de áreas inundadas, demostrando potencial para a análise sub-pixel de séries temporais de dados MODIS. Os resultados podem auxiliar os sistemas de monitoramento de inundações do Pantanal.

Saved in:
Bibliographic Details
Main Authors: ANTUNES, J. F. G., ESQUERDO, J. C. D. M.
Other Authors: JOÃO FRANCISCO GONÇALVES ANTUNES, CNPTIA; JÚLIO CÉSAR DALLA MORA ESQUERDO, CNPTIA.
Format: Anais e Proceedings de eventos biblioteca
Language:pt_BR
por
Published: 2014-11-21
Subjects:Processamento de imagens, Áreas úmidas, Reconhecimento de padrões, Redes neuro-fuzzy, Pattern recognition, Neuro-fuzzy networks, Sensoriamento remoto, Remote sensing, Image analysis, Wetlands,
Online Access:http://www.alice.cnptia.embrapa.br/alice/handle/doc/1000763
Tags: Add Tag
No Tags, Be the first to tag this record!