Identificação de Cerrado Rupestre por meio de imagens multitemporais do Landsat: proposta metodológica

Abstract

O Cerrado Rupestre corresponde a uma formação savânica do bioma Cerrado, ocorre em relevos acidentados e em meio a afloramentos rochosos, apresenta elevada biodiversidade e várias espécies endêmicas e funciona como barreira para a expansão agrícola. No estado de Goiás, ocorrências expressivas dessa fitofisionomia são encontradas no Parque Nacional da Chapada dos Veadeiros (PNCV). O objetivo deste estudo foi desenvolver uma nova abordagem metodológica para discriminar Cerrado Rupestre do PNCV com base em imagens multitemporais do satélite Landsat. Sete cenas do referido satélite foram convertidas para reflectância de superfície terrestre com suporte do algoritmo de correção atmosférica denominado FLAASH (Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes). Em seguida, os valores de reflectância de cada cena foram somados e as imagens resultantes foram processadas por meio da técnica de segmentação de imagens por crescimento de regiões. Os segmentos foram exportados para o formato shape e os polígonos correspondentes ao Cerrado Rupestre foram identificados por meio de análise visual na tela do computador da composição colorida falsa-cor das bandas 3, 4 e 5. Foram mapeados 24.451 hectares de Cerrado Rupestre, o que corresponde a 37% da área do parque. A exatidão global do mapeamento foi de 85%. Como continuação desta linha de pesquisa, recomenda-se a inclusão de um número maior de cenas, principalmente da estação chuvosa, a integração dos dados de sensoriamento remoto com modelos digitais de elevação e a análise sinergística entre os sensores ETM+ e TM do Landsat com calibração cruzada.

Classificação orientada a objeto em associação às ferramentas reflectância acumulada e mineração de dados

“…Resultados similares foram obtidos por Nascimento & Sano (2010) e Hermuche & Sano (2011), o que indica que essa técnica permite maior diferenciação espectral entre os alvos analisados.…”

“…Como pontuado por Nascimento & Sano (2010), quanto mais cenas consideradas, maior é a capacidade de discriminação entre alvos. Embora tenham sido detectadas diferenças significativas da reflectância acumulada, entre todos os pares de níveis de acumulação de datas e para todas as bandas, as maiores diferenças ocorreram entre os níveis A1-A4, A2-A3 e A2-A4 (Tabela 2).…”

“…Um exemplo desse tipo de processamento é a classificação orientada a objetos geográficos, que se baseia na segmentação e classificação supervisionada ou não, para fornecer subsídios à interpretação de imagens de sensoriamento remoto (Fermandes et al, 2012;Novack et al, 2014). Nessa classificação, a distinção entre alvos não se resume às características espectrais dos pixels, uma vez que são usados, como unidade de processamento, objetos segmentados com base em características comuns de forma, textura, espectro, vizinhança, geometria, entre outros.…”

“…Nessa classificação, a distinção entre alvos não se resume às características espectrais dos pixels, uma vez que são usados, como unidade de processamento, objetos segmentados com base em características comuns de forma, textura, espectro, vizinhança, geometria, entre outros. Estes atributos são, então, incorporados na classificação (Blaschke, 2010;Marpu et al, 2010;Camargo et al, 2012;Novack et al, 2014).…”

“…Aprimorar essas técnicas e protocolos é essencial em termos sociais e científicos (Nascimento & Sano, 2010), sobretudo quando o enfoque são áreas extensas como o Cerrado, que apresenta particularidades que configuram barreiras à distinção das classes de uso e cobertura da terra (Brannstrom et al, 2008). No Cerrado, a natural heterogeneidade forma um gradiente espacial entre fitofisionomias campestres e florestais (Pinheiro & Durigan, 2009), cuja separabilidade não é algo trivial de ser alcançado, uma vez que as diferentes formações não se distinguem espacialmente de forma categórica e têm, além disso, respostas espectrais semelhantes .…”