Classificação automática de imagens de satélites no mapeamento da região cafeeira de Patrocínio, MG.

Imagens orbitais representam uma boa opção na coleta de dados sobre a superfície terrestre reduzindo custos e tempo necessários à sua realização. O uso de imagens de satélite representa uma ferramenta de grande utilidade para fins de mapeamento devido à sua grande abrangência em termos de área, periodicidade de imageamento em intervalos curtos, possibilidade de análise visual e espectral e baixo custo de aquisição. O sensoriamento remoto e o processamento digital de imagens fornecem dados que podem ser manipulados e integrados a outros tipos de dados em sistemas de informações geográficas, possibilitando a obtenção de informações importantes sobre a superfície terrestre. A idéia básica em classificação de dados multiespectrais é identificar grupos de atributos espaciais e isolá-los usando alguns limites de decisão. A classificação automática de imagens visa à categorização da cobertura da terra distinguindo as composições de diferentes materiais superficiais (Crosta, 1999). Os valores de nível de cinza de cada pixel são agrupados e associados a um tipo de cobertura da superfície terrestre imageada. A distinção entre os padrões de uso da terra é possível graças ao comportamento específico dos objetos ao longo do espectro eletromagnético, ou seja, os objetos da superfície terrestre interagem (reflectância, absorbância e transmitância) com a radiação eletromagnética de maneira diferenciada em função do comprimento de onda e de suas características bio-físico-químicas. Este trabalho visa à avaliação da qualidade de diferentes métodos de classificação automática de uma imagem do satélite Landsat para geração de um mapa de uso atual do município de Patrocínio, importante polo cafeeiro do estado de Minas Gerais. O processamento digital da imagem foi realizado pelo SPRING (Sistema para Processamento de Informações Georreferenciadas) do INPE (Instituto Nacional de Pesquisas Espaciais). Os classificadores automáticos utilizados foram: MaxVer (Máxima Verossimilhança), caracterizado como do tipo ?pixel a pixel?, Isoseg e Battacharya, considerados como classificadores por região. Para avaliação dos mapeamentos obtidos com os classificadores foi usado o mapeamento gerado por interpretação visual da mesma imagem. Para medição da acurácia foram usadas matrizes de contingência e o coeficiente de concordância Tau. O melhor índice obtido foi para a classificação pelo algoritmo Battacharya, seguido dos classificadores MaxVer e Isoseg. O relevo suavizado da região, que reduz a influência do sombreamento no comportamento espectral das coberturas, associado ao padrão da agricultura regional em que extensas áreas são ocupadas com culturas anuais e perenes colaborou para o bom desempenho dos classificadores. Em outras áreas cafeeiras do estado, onde o relevo é montanhoso e o uso agrícola muito segmentado, os mesmos classificadores apresentaram índices de acurácia inferiores.

Bibliographic Details

Main Authors:	BERNARDES, T., ALVES, H. M. R., VIEIRA, T. G. C.
Other Authors:	TIAGO BERNANDES, EPAMIG; HELENA MARIA RAMOS ALVES, SAPC; TATIANA G. C. VIEIRA, EPAMIG.
Format:	Anais e Proceedings de eventos biblioteca
Language:	pt_BR por
Published:	2011-11-16
Subjects:	Análise de imagem, Classificação., Cafeicultura, Sensoriamento Remoto.,
Online Access:	http://www.alice.cnptia.embrapa.br/alice/handle/doc/906103
Tags:	Add Tag No Tags, Be the first to tag this record!