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

Abstract

e Fábio Bueno de Lima 5 RESUMO -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.Palavras-chave: Cobertura florestal, Classificação e Rondônia. k=0.77; k=0.64 and MaxVer: k=0.71; k=0.89; k=0.70 CLASSIFICATION TECHNIQUES FOR LANDSAT TM IMAGERY UNDER DIFFERENT LANDSCAPE PATTERNS IN RONDÔNIA ABSTRACT -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

Dinâmica Espacial E Temporal Do Uso Da Terra No Município De Seropédica, Rio De Janeiro, Brasil

“…Segundo Mello et al (2012) ao estudarem os diferentes padrões de cobertura da terra em Rondônia constataram que os maiores erros estiveram relacionados a classe floresta, capoeira e solo exposto. Entre capoeira e floresta a explicação dos autores é que existe semelhança espectral entre ambas, já entre capoeira e solo exposto é o fato de algumas amostras de capoeira se encontrarem em estágios iniciais, com grandes proporções de solo exposto e algumas amostras de pastos apresentarem contribuições de resposta a gramíneas (Mello et al, 2012).…”

“…Entre capoeira e floresta a explicação dos autores é que existe semelhança espectral entre ambas, já entre capoeira e solo exposto é o fato de algumas amostras de capoeira se encontrarem em estágios iniciais, com grandes proporções de solo exposto e algumas amostras de pastos apresentarem contribuições de resposta a gramíneas (Mello et al, 2012). Amaral et al (2009) relatam que os problemas de separação entre as classes de diferentes estágios florestais, resultou em baixos níveis de exatidão, o que pode ser explicado pela semelhança espectral…”

Mapping of the current land use in part of the Irrigated Perimeter Nilo Coelho, Petrolina-PE, Brazil

“…Utilizing the reflectances obtained from the hyperspectral bands for the strips: 3, 4, 5, 6 e 7 of the Landsat 8 sensors, the image was classified through the pixel supervised method, employing the maximum likelihood algorithm (Maxver) (Tisot et al, 2007;Leite et al, 2011;Antunes et al, 2012;Fernandes et al, 2012;Mello et al, 2012;Prishchepov et al, 2012;Wrublack et al, 2013), considering 11 classes of predefined land features, with an average of ten samplings for feature training, and ten more samplings for the validation of the proposed model in each class. proposed classes: grape crop "Grape", mango crop "Mango", coconut crop "Coconut", banana crop "Banana", guava crop "Guava", acerola crop "Acerola", other crops "Others", areas with exposed soil "Solo_exp", urban areas "Area_urb", areas with natural vegetation "Veg_ nat" and water bodies "Water".…”

CORRELAÇÃO ENTRE UNIFORMIDADE E NDVI EM POVOAMENTOS DE Tectona grandis L. f.

“…As imagens Landsat, ainda que muito utilizadas, principalmente em função da sua série temporal, podem ter sua eficácia limitada devido sua resolução espacial de 30 m, o que implica em mistura espectral dos alvos dentro dos pixels (RUDORFF, 2006;MELLO et al, 2012). Sendo assim, é sugestivo estudos com outras resoluções espaciais para averiguar a diferença entre os produtos.…”