AgradecimentosInfelizmente não conseguirei listar com precisão todos aqueles que de maneira direta ou indireta me ajudaram neste longo caminho da pós-graduação. Peço desculpas desde já para aqueles que injustamente acabaram ficando fora desta lista de agradecimentos.Em primeiro lugar, gostaria de expressar os meus mais sinceros agradecimentos e admiração a Rúbia que sempre me apoiou em todos os momentos de minha carreira como estudante e como profissional. Não poderia deixar de citar também o apoio sem exceção dos meus familiares.Muito obrigado Ailton pela orientação e amizade. Estendo este agradecimento ao Benê, grande amigo que convivi quase que diariamente por cerca de 10 anos. A todos os professores e funcionários do departamento de Geografia da USP, especialmente aos profs. Reinaldo, De Biasi, Déborah, Raffo, Jurandyr etc. Aos grandes amigos Kleber, Nader, Richard Gear, Cabelo, George, Jânio, Mônica do Instituto Florestal, Paulão etc... Não poderia esquecer de registrar os meus agradecimentos ao Sérgio Margulis do Banco Mundial pela possibilidade de contato e esclarecimento de dúvidas a respeito do processo de ocupação na Amazônia.ii Apresentação A extração de informação temática a partir do processamento e interpretação de imagens de sensoriamento remoto é uma das áreas mais importantes da pesquisa vinculada às aplicações na área de Geografia. A última década tem sido marcada pelos lançamentos de vários satélites de sensoriamento remoto que tem proporcionado aos usuários desta tecnologia uma ampla gama de possibilidades de aplicações que se estendem da escala de detalhe (como a do Quick Bird e Ikonos-2 que captam imagens de 0,7 e 1,0 metro respectivamente) a análise regional (como por exemplo, as imagens adquiridas pelo sensor Vegetação a bordo do SPOT-4 e 5 com 1 km de resolução).Aparentemente, as técnicas desenvolvidas para a extração de informações temáticas não tem acompanhado o mesmo ritmo de desenvolvimento dos novos sensores e de suas plataformas. Talvez o método de classificação de imagens multiespectrais mais conhecido ainda seja o da Máxima Verossimilhança (conhecido pelas suas iniciais MaxVer) desenvolvido na década de 1970 para o Landsat MulstiSpectral Scanner System (MSS).Grandes esforços têm sido feitos no sentido de propor métodos alternativos de classificação de imagens que se ajustem ao conteúdo da informação presente na imagem. Métodos que se baseiam em redes neurais artificiais, lógica fuzzy e que incluem informações de vizinhança no processo de decisão têm mostrado nítidas vantagens em relação aos classificadores tradicionais estatísticos.Uma das concepções mais promissoras na extração de informações temáticas trabalha a imagem como sendo formada por um conjunto de objetos e não como pixels isolados. Estes objetos, também conhecidos como regiões, podem ser agrupados ou dissociados em função dos níveis hierárquicos e do contexto em que se inserem.O presente trabalho apresenta uma metodologia de classificação de imagens que se insere dentro desta concepção. A área de estudo corresponde a u...