Dinâmica do uso e cobertura da terra no sudeste de Roraima utilizando técnicas de detecção de mudanças

Abstract

A ocupação e consolidação do território na Amazônia apresentam diferentes características relacionadas à dinâmica das conversões de uso e cobertura da terra, que podem ser analisadas utilizando imagens orbitais de sensoriamento remoto. O objetivo do presente trabalho foi avaliar os produtos de detecção de mudanças gerados por análise de vetor de mudança (AVM) e subtração de imagens, a partir de imagens-fração derivadas das imagens ópticas TM/Landsat, para o estudo das conversões de uso e cobertura da terra presentes em área de colonização agrícola na região sudeste de Roraima. Analisaram-se as imagens de mudança provenientes da aplicação do AVM (magnitude, alfa e beta) e da subtração das imagens-fração (solo, sombra e vegetação) quanto à sua capacidade de identificar e discriminar as conversões existentes, de acordo com levantamento de campo. Foram testados dois algoritmos de classificação de imagens do tipo supervisionado, Bhattacharyya e Support Vector Machine. Foram feitos agrupamentos para otimizar a identificação das conversões nas classificações testadas. Houve melhor desempenho do classificador por regiões Bhattacharyya na discriminação das conversões. A utilização das imagens-diferença das frações como informação de entrada para o classificador apresentou qualidade de classificação muito boa ou excelente, sendo superior às classificações utilizando os produtos AVM, isoladamente ou em conjunto com as imagens-diferença. PALAVRAS-CHAVE: uso da terra, detecção de mudança, imagens-fração, sensoriamento remoto, Amazônia.Land use and land cover dynamics in the southeastern Roraima using change detection techniques ABSTRACT Territory occupation and consolidation in the Amazon region have some specific characteristics related to the dynamics of land use and land cover conversions, which can be analyzed using orbital remote sensing images. The aim of this study was to evaluate change detection products generated by change vector analysis (AVM) and image subtraction techniques derived from linear spectral mixing modeling (MLME), applied to Thematic Mapper/Landsat optical images, to study land use and land cover conversions occurring in agricultural settlement areas in the southeastern region of Roraima, Brazil. We analyzed change images derived from application of AVM (magnitude, alpha and beta) and subtraction of fraction images (soil, vegetation and shade), for their ability to identify and discriminate the existing conversions. An extensive field work was used as a guide to define the classes. Exploratory analyses of class behaviors were made and two supervised algorithms for image classification -Bhattacharyya and Support Vector Machine -were tested. By grouping (clumping classes), we sought to optimize conversion identification in the classification products. The results indicated better Bhattacharyya region classifier performance of conversion discrimination. The use of MLME fractions difference images as input into the classifier resulted a very good or excellent classification quality, which was better in c...

Análise Do Uso E Cobertura Da Terra Nas Áreas De Preservação Permanente Das Nascentes Da Sub-Bacia De Mato Grosso-Brasil

“…Following a supervised classification was made, with training (identification of samples from classes) of images from the dry season, using the region classifier Bhattacharrya with 99% acceptance (XAUD and EPIPHANIO, 2014) At the end of the classification process, an accuracy evaluation was made using the Kappa index to verify the reliability of the map generated by SPRING. This index corresponds to the ratio between the sum of the main diagonal of the error matrix and the sum of all elements from this matrix, represented by the total number of samples, related to the total number of classes, considering the proportion of correctly classified samples (COHEN, 1960).…”

Spatio-temporal analysis of land use/land cover change dynamics in Paraguai/Jauquara Basin, Brazil

“…The class training samples were identified, and the classification was supervised using Bhattacharya's method, which was performed in SPRING with a threshold of acceptance of 95% (Xaud and Epiphanio, 2014). The maps generated by SPRING were converted to matrix-vector form and exported in a shape file format to ArcGIS for cartographic mapping and quantification of thematic classes.…”

NDVI e EVI Aplicados à Análise da Dinâmica Temporal da Cobertura Vegetal e Usos da Terra da Bacia do Córrego Padre Inácio-Mato Grosso, Brasil

“…No programa Spring (Câmara et al 1996), versão 5.3, foram realizados os processos de recorte, utilizando o arquivo vetorial do limite da bacia hidrográfica de estudo como máscara, que foi obtida no sítio da Agência Nacional de Águas (ANA) (Agência Nacional de Águas 2012), e segmentação, em que foi empregado o método de crescimento de região, cujo valor de limiar de similaridade e de área definidos foi de 30. Na classificação supervisionada, foi utilizado o algoritmo Bhattacharya, que utiliza a distância espectral para aferir a separabilidade entre classes espectrais, utilizando-se o critério de distância mínima com limiar de aceitação de 99,99% (Silva et al 2020;Xaud & Epiphanio 2014). Figura 1.…”