Análise de imagens orientada a objetos e amostragem estatística no monitoramento de cana-de-açúcar, milho e soja no estado de São Paulo

• Ano de defesa: 2016
• Autor(a) principal: Bruno Schultz
• Orientador(a): Antonio Roberto Formaggio, Alfredo José Barreto Luiz
• Banca de defesa: Ieda Del'Arco Sanches, Luciana Miura Sugawara, Júlio César Dalla Mora Esquerdo, Marcos Corrêa Neves
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: The São Paulo state surface is covered by various types of land use and land covers, distributed in different geographical positions. Among these uses, sugarcane, corn and soybeans occupy the most agricultural areas of the state. Although these cultures possess great importance for the agricultural scenario, they are not systematically monitored in near-real time. As agricultural estimates data are of great importance in decision making, this research was aimed at evaluating the possibility of obtaining the value of occupied area by crops of sugarcane, maize and soybeans in the São Paulo state in near- real time (bi-monthly periods) using remote sensing (RS) and visual and automatic classification of multitemporal OLI images. Three different areas-tests were evaluated: the State of São Paulo (A1), the municipality of Cândido Mota / SP (A2) and fifteen contiguous municipalities in the south-west state of São Paulo (A3). The specific objectives of each test area were in A1 to inform the value of the occupied area with sugarcane, maize and soybeans for the São Paulo state, in periods of two months of the 2014/15 crop year; A2 to validate field information, to develop a visual classification protocol and evaluate it; and A3 to evaluate the performance of automatic classification. For A1, 5,000 random pixels were stratified into each mesoregion of the state, in each period of the crop year 2014/15 [P1 (Nov / Dec), P2 (Jan / Feb), P3 (Mar / Apr) and P4 (May / Jun )] and to classify in office, using visual classification protocol and 432 multi-temporal OLI images in false-color composite RGB (564) and Equalized Appearance (ApEq). The ApEq is a radiometric equalization process of multi-temporal images and executed so that no major changes occurred in the resulting color of pseudo-invariant targets present in different mosaic from OLI images. In A2, 200 pixels OLI were drawn on the city of Cândido Mota / SP and investigated in the field in the period from 13$^{rd}$ to 17$^{th}$ April / 2015. These 200 pixels were used to: (a) visual classification and (b) automatic classification. In (a), eight visual classified performers sugarcane, soybeans and corn using classification protocol developed in this research. In (b), the object-based image analysis / Random Forest with segmentation via Multi-Resolution Segmentation (MR-S) was applied. Were generated 1150 classification models, formed by varying the scale factor parameters (Fe), form (Fm) and compactness (Cp) of the SM-R algorithm applied in four multi-temporal images OLI 222/076, dated August / 2014 October / 2014 January / 2015 and May / 2015. Another 200 pixels were randomly selected on A3 and validated by visual classification using the protocol of this research. The main results are: the ApEq allowed, effectively, a homogenization of the vegetation's spectral response in different orbits and dates, having obtained multitemporal mosaics standardized for all ESP. For visual classification performed on A2 for eight performers, the overall accuracy average was 94.5\%. For automatic classification carried out in A3 via OBIA / Random Forest, the overall accuracy was 86.5\%. The thematic map produced in A3 showed the total area occupied with maize similar to the Municipal Agricultural Production (PAM / IBGE), with an underestimation of 4\%, but with the advantages of the thematic map provide the spatial and in near- real time. Regarding sugarcane, underestimates was 11\%. Regarding soybeans, the period of the images used (May / June) there was no culture. It follows, then, that the visual classification based on multi-temporal OLI dates for sugarcane, maize and soybeans in the ESP, it is feasible for agricultural surveys in near-real time (bi-monthly periods) and can be performed by just one interpreter for all State. As for automatic classification, there is still a need for further developments, especially with regard to definitions of edge pixels.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21b/2016/03.01.17.20

A superfície do estado de São Paulo é recoberta por diversos tipos de usos e coberturas da terra, distribuídos em diferentes porções geográficas. Entre esses usos, a cana-de-açúcar, o milho e a soja ocupam a maior parte das áreas agrícolas do estado. Apesar de essas culturas possuírem grande importância para o cenário agrícola, elas ainda não são monitoradas sistematicamente em tempo quase-real. Como os dados de estimativas agrícolas possuem grande importância nas tomadas de decisões, a presente pesquisa teve como meta avaliar a possibilidade de se obter o valor de área ocupada pelas culturas de cana-de-açúcar, milho e soja no estado de São Paulo, em tempo-quase real (períodos bimensais), utilizando sensoriamento remoto (SR) e classificações visual e automática de imagens multitemporais OLI. Três diferentes áreas-testes foram avaliadas: o Estado de São Paulo (A1), o município de Cândido Mota/SP (A2) e quinze municípios contíguos localizados a Sudoeste do estado de São Paulo (A3). Os objetivos específicos de cada área teste foram: em A1 informar o valor da área ocupada com cana-de-açúcar, milho e soja para o estado de São Paulo, em períodos de dois meses do ano safra 2014/15; em A2 validar informações de campo, desenvolver um protocolo de classificação visual e avaliá-lo; e em A3 avaliar o desempenho da classificação automática. Para A1, 5.000 pixels aleatórios foram estratificados em cada mesorregião do estado, em cada período do ano safra 2014/15 [ P1 (Nov/Dez), P2 (Jan/Fev), P3 (Mar/Abr) e P4 (Mai/Jun) ] e classificados no escritório, utilizando protocolo de classificação visual e 432 imagens multitemporais OLI em composição colorida falsa-cor RGB (564) e em Aparência Equalizada (ApEq). A ApEq é um processo de equalização radiométrica de imagens multitemporais e foi executada para que não ocorressem grandes alterações na cor resultante dos alvos pseudo-invariantes presentes nas diferentes imagens dos mosaicos OLI. Em A2, 200 pixels OLI foram sorteados sobre o município de Cândido Mota/SP e averiguados em campo no período de 13 a 17 de abril/2015. Estes 200 pixels foram utilizados para: (a) classificação visual e (b) classificação automática. Em (a), oito intérpretes classificaram visualmente cana-de-açúcar, soja e milho utilizando protocolo de classificação desenvolvido na presente pesquisa. Em (b), a análise de imagem orientada a objetos OBIA/Random Forest com segmentação via Segmentador Multi-resolução (SM-R) foi aplicada. Foram gerados 1150 modelos de classificação, formados pela variação dos parâmetros fator de escala (Fe), forma (Fm) e compacidade (Cp) do algoritmo SM-R aplicado sobre quatro imagens multitemporais OLI 222/076, datadas de agosto/2014, outubro/2014, janeiro/2015 e maio/2015. Outros 200 pixels foram sorteados aleatoriamente sobre A3 e validados por classificação visual, utilizando o protocolo de classificação da presente pesquisa. Como resultados principais, destacam-se: a ApEq permitiu, efetivamente, uma homogeneização das respostas espectrais da vegetação em órbitas e datas distintas, tendo-se obtido mosaicos multitemporais padronizados para todo o ESP. Para a classificação visual realizada em A2 por oito intérpretes, a exatidão global média foi de 94,5\%. Para a classificação automática realizada em A3, via OBIA/Random Forest, a exatidão global foi de 86,5\%. O mapa temático produzido em A3 mostrou o total de área ocupada com milho semelhante à Produção Agrícola Municipal (PAM/IBGE), com uma subestimação de 4\%, porém, com as vantagens do mapa temático oferecer a espacialização e em tempo quase-real. Em relação à cana-de-açúcar, a subestimativa foi de 11\%. Quanto à soja, no período das imagens utilizadas (maio/junho) não havia a cultura. Conclui-se, então, que a classificação visual baseada em dados multitemporais OLI, para cana, milho e soja no ESP, é viável para levantamentos agrícolas em tempo quase-real (períodos bimensais), podendo ser realizada por apenas um intérprete para todo o Estado. Quanto à classificação automática, há ainda a necessidade de desenvolvimentos maiores, principalmente no que se refere a definições sobre pixels de borda.