Classificação orientada a objetos aplicada na caracterização da cobertura da terra no Araguaia

Abstract

Resumo -O objetivo deste trabalho foi utilizar a classificação orientada a objetos em imagens TM/ Landsat-5, para caracterizar classes de uso e cobertura da terra, na região do Médio Araguaia. A cena 223/068, adquirida em 5/9/2010, foi submetida a correção radiométrica, atmosférica e geométrica, como etapas de pré-processamento. Em seguida, foram geradas duas imagens por meio das matemáticas de bandas espectrais do índice de vegetação por diferença normalizada (NDVI) e do índice de água por diferença normalizada modificado (MNDWI), utilizados na classificação de imagens. Para a segmentação destas, utilizaram-se os parâmetros de escala 250, 200, 150, 100, 50, os algoritmos "assign class" e "nearest neighbor", e os descritores de média, área e relação de borda. Foi empregada matriz de confusão, para avaliar a acurácia da classificação, por meio do coeficiente de exatidão global e do índice de concordância Kappa. A exatidão global para o mapeamento foi de 83,3%, com coeficiente Kappa de 0,72. A classificação foi feita quanto às fitofisionomias do Cerrado, ao uso antrópico e urbano da terra, a corpos d'água e a bancos de areia. As matemáticas de bandas espectrais utilizadas apresentam resultados promissores no delineamento das classes de cobertura da terra no Araguaia.Termos para indexação: classificação digital de imagens, fitofisionomias do Cerrado, MNDWI, NDVI, segmentação de imagens, sensoriamento remoto. Object-oriented classification applied to the characterization of soil use and land cover in the Araguaia, BrazilAbstract -The objective of this work was to use object-oriented classification in TM/Landsat-5 images to characterize land use and land cover classes in the Araguaia region. The scene 223/068, acquired on 9/5/2010, was subjected to the following pre-processing stages: radiometric, atmospheric, and geometric corrections. Two images were generated by the mathematical spectral bands normalized difference vegetation index (NDVI) and modified normalized difference water index (MNDWI), which were used in the classification process. For image segmentation, the scale parameters 250, 200, 150, 100, 50, the algorithms assign class and nearest neighbor, and the attributes of average, area, and border ratio were used. A confusion matrix was used to assess the accuracy of the classification, using the overall accuracy coefficient and the Kappa index of agreement. Overall accuracy for mapping was 83.3%, with Kappa coefficient of 0.72. The classification was done as to Cerrado physiognomies, anthropic and urban use of the land, water bodies, and sand banks. The mathematical spectral bands used are promising for delineating classes of the land cover in Araguaia.

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".…”

Análisis Temporal de Datos NDVI, de la Parroquia Chiguará, Mérida, Venezuela

“…Según Nunes y Roig (2014) la clasificación del uso y cobertura del suelo para el monitoreo de los recursos naturales a través de la utilización de imágenes de sensores remotos ha sido un tema de resultados muy consolidados en la literatura. Para Fernandes et al (2012) la utilización de técnicas de clasificación de imágenes ha demostrado resultados muy alentadores en el mapeo del uso de la tierra con imágenes de media resolución espacial y espectral. Según Camargo et al (2012) el aumento en la productividad y precisión de trabajo, constituyen una gran ventaja de la interpretación y uso de imágenes de sensores remotos.…”

Pesquisa, desenvolvimento e inovações geoespaciais para a agropecuária

“…Um grupo de trabalhos -com foco em sensoriamento remoto e processamento de imagens -testa diferentes resoluções espaciais, temporais, espectrais e radiométricas. As imagens multiespectrais utilizadas são oriundas dos satélites ópticos Landsat ("land remote sensing satellite") (Antunes et al, 2012;Bolfe et al, 2012;Fernandes et al, 2012;Lu et al, 2012;Oliveira et al, 2012;Silva et al, 2012); Terra/Modis ("moderate resolution imaging spectroradiometer") (Andrade et al, 2012;Johann et al, 2012;Risso et al, 2012;Victoria et al, 2012); Spot ("système pour l'observation de la Terre") (Lu et al, 2012;Vicente et al, 2012); Ikonos e QuickBird (Lu et al, 2012) e imagens de radar como o Alos ("advanced land observing satellite") (Lu et al, 2012;Picoli et al, 2012). A Figura 2 ilustra como diferentes resoluções espaciais podem afetar a representação de feições conhecidas no meio rural.…”