Utilização da técnica por componentes principais (acp) e fator de iluminação, no mapeamento da cultura do café em relevo montanhoso

Abstract

RESUMO:O objetivo deste trabalho foi avaliar as informações obtidas das imagens do satélite Landsat/TM5, utilizando técnicas de Análise por Componentes Principais (ACP) e Fator de Iluminação oriundo de um Modelo de Elevação do Terreno, calculado a partir de imagens ASTER, no mapeamento de áreas de café em terreno montanhoso. As imagens utilizadas (três) foram corrigidas para o efeito da atmosfera e cobriram, temporalmente, o ciclo da cultura. Foram calculadas as componentes principais e escolhidas as duas primeiras, as quais possuíam 94% das informações, para a definição das amostras. As amostras resultantes da ACP foram utilizadas na classificação supervisionada cujo resultado foi comparado com uma classificação convencional e uma classificação multitemporal convencional. A acurácia das classificações foi realizada por meio do cálculo da Exatidão Global e do Coeficiente Kappa, tendo como base uma máscara da área cafeeira da região. Os resultados mostraram que a técnica de ACP foi efetiva no estabelecimento de classes de iluminação, assim como na escolha das amostras, apesar de estas não terem representado a área efetivamente classificada. Em função disto, as classificações foram mais acuradas, principalmente aquela que considerou todos os pixels de cada imagem classificada individualmente pelo método da ACP, confirmando a importância do aspecto multitemporabilidade . PALAVRAS-CHAVE:sensoriamento remoto, ASTER, correção atmosférica, normalização radiométrica, processamento digital de imagens. COFFEE CROP MAPPING USING PRINCIPAL COMPONENT ANALYSIS AND ILLUMINATION FACTOR FOR COMPLEX RELIEF ABSTRACT:The main goal of this study was to evaluate the information produced from Landsat/TM5 images using Principal Component Analysis (PCA) and Illumination Factor built from Digital Elevation Model from ASTER images for coffee areas mapping in complex relief. Three Landsat images were used to monitor the crop cycle. The Principal Component Analysis was applied to the Landsat images and the two first components were chosen, responsible for 94% of the initial information, and used as a sample set for the supervised classification of those images. That classification was compared with a conventional supervised classification (sampled from Landsat reflectance images) and multitemporal conventional supervised classification (using the three images). The accuracies of the classifications were calculated by Kappa index of agreement and Global Accuracy, using a coffee mask as reference. The results have shown that PCA was very efficient in illumination class definition as well as in sample choice, despite the samples had not represented the area classified. Due to that, the accuracy has increased, specially the one considering all the pixels classified as coffee in each image using PCA samples, demonstrating the importance of the multitemporal aspect.

Mapeamento da cultura cafeeira por meio de classificação automática utilizando atributos espectrais, texturais e fator de iluminação

“…Alguns trabalhos demonstram que o uso de informação topográfica na identificação automática de áreas cafeeiras, pode amenizar os efeitos do sombreamento, causado por revelo acentuado (CORDERO-SANCHO; SADER, 2007;LAMPARELLI;NERY;ROCHA, 2011;VIEIRA et al, 2006). Outros sugerem a utilização Tendo conhecimento de que a planta sofre variações ao decorrer do ano, devido às alterações de estádio fenológico, neste estudo representaramse os estádios fenológicos da frutificação, maturação e repouso (CAMARGO, 1985).…”

“…Um dos fatores que podem influenciar negativamente na identificação automática de áreas cafeeiras em imagens orbitais é o sombreamento causado por revelo acentuado (CORDERO-SANCHO; SADER, 2007;MOREIRA;BARROS;RUDORFF, 2008;VIEIRA et al, 2006). Uma das opções para minimizar a influência do sombreamento nas imagens orbitais é a estratificação em classes de iluminação (LAMPARELLI;NERY;ROCHA, 2011;MEYER et al, 1993;MOREIRA;VALERIANO, 2014).…”

Quality of a Digital Terrain Model for Santa Catarina State

“…Studies have shown the potential of topographic attributes for environmental modeling (MINELLA & MERTEN, 2012), land cover identification (LAMPARELLI et al, 2011) and soil class and properties prediction (TEN CATEN et al, 2011;SAMUEL-ROSA et al, 2013). However, the value assumed by a topographic attribute is a function of the selected algorithm for DTM processing (KOPECKÝ & ČÍŽKOVÁ, 2010).…”

“…In recent years, several studies have been conducted with data from the Shuttle Radar Topography Mission (SRTM) (TEN CATEN et al, 2011;VALERIANO & ROSSETTI, 2011). Another data source has been the DTM derived from ASTER imagery (CHAGAS et al, 2010;LAMPARELLI et al, 2011). Other studies have produced DTMs from interpolating topographic contour curves (CHAGAS et al (2010); BARBOSA et al (2012); PINHEIRO et al (2012) or from light detection and ranging (LIDAR) data (ZHANG et al, 2008).…”

Mapeamento pedológico por meio de série histórica Landsat-5 TM e Biblioteca Espectral na Bacia do Rio Jardim (DF)

“…Assim, foram marcados os pontos perto da linha 1:1 (dentro do triângulo vermelho na Baret, 1997;Nagler et al, 2000;Streck et al, 2002). Para caracterizar o contraste entre solo exposto e coberto com palhada, foi utilizada a diferença normalizada entre as bandas TM5 e TM7 (Equação 9), denominado como ND57 (Fongaro, 2015 (Lamparelli et al, 2011;Trentin et al, 2011;Johann et al, 2012;Pugliero et al, 2013;Paludo et al, 2014), correspondentes à data na qual cada imagem foi adquirida. Essas imagens de solo exposto foram exportadas para o programa ArcGIS e calculadas as suas áreas.…”