Classificação automatizada do uso e cobertura do solo utilizando imagem Landsat no Município de Araponga, MG

• Ano de defesa: 2008
• Autor(a) principal: Moreira, Gilberto Fialho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Fertilidade do solo e nutrição de plantas; Gênese, Morfologia e Classificação, Mineralogia, Química,; Mestrado em Solos e Nutrição de Plantas; UFV
• Palavras-chave em Português: Classificação automatizada; Cobertura vegetal; Imagem de satélite; Automated classification; Forest coverage; Satellite images; CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO
• Link de acesso: http://locus.ufv.br/handle/123456789/5418

Planejar o espaço na busca de entender o presente com informações do passado, bem como projetar cenários futuros é de fundamental importância para a melhor gestão ambiental. Neste sentido, dentro de um programa mais amplo de monitoramento, a detecção da cobertura florestal - de forma ágil, rápida e eficiente - pode contribuir para uma melhoria na proteção e qualidade ambiental, principalmente, em municípios que se destacam por apresentarem biodiversidade relevante, em especial àqueles que são sede de alguma Unidade de Conservação (UC). O uso de imagens de satélite tem se intensificado nos últimos anos, e incrementa o arsenal de informações disponíveis sobre o meio natural. Entretanto, a maior parte da tecnologia disponível para a detecção automatizada, em especial os softwares utilizados, apresentam elevado custo financeiro de aquisição. Neste contexto, o objetivo do presente trabalho foi avaliar novas tecnologias e metodologias de detecção automatizada da cobertura vegetal em imagens orbitais. Para tanto, foram executadas as classificações pelos métodos da Máxima Verossimilhança (MAXVER), das Redes Neurais Artificiais (RNA) e das Árvores de Decisão, utilizando-se de tecnologias de caráter gratuito e, ou, já disponíveis no Instituto Estadual de Florestas (IEF-MG). Essa iniciativa também visa contribuir na avaliação de novas soluções para os problemas e desafios relacionados ao mapeamento de cobertura vegetal enfrentados pelo setor de monitoramento ambiental do IEFMG, em especial pelo Centro de Estudos e Desenvolvimento Florestal, ligado à Gerência de Monitoramento e Geoprocessamento. Para a efetivação do presente projeto foram utilizados as bandas 1, 2, 3, 4, 5 e 7 da cena 217/74 de imagens do sensor LandSat 5 TM (Thematic Mapper), tomadas em 16/11/2005 (verão), correspondente ao município de Araponga (MG), onde concentra-se a maior área do Parque Estadual da Serra do Brigadeiro (PESB). Essa mesma cena foi utilizada para a produção do documento: Mapeamento da Flora Nativa e Reflorestamento de Minas Gerais (MFNR-MG), atualmente um referencial para a gestão ambiental do Estado de Minas Gerais. Foram consideradas nesse estudo as seguintes classes de vegetação: Floresta Estacional Semidecídua, Floresta Ombrófila, Campo de Altitude, Pastagem, Café e Eucalipto. Para a classificação automatizada das imagens, inicialmente os dados foram preparados com os Sistemas de Informações Geográficas (SIG): Sistema de Processamento de Informações Georreferenciadas (SPRING) e ArcGis 9.0. Posteriormente, foi realizada a classificação das imagens pelos métodos de MAXVER e o das RNA s. O SIG SPRING foi usado na classificação por MAXVER e, para as RNA s, foi utilizado o software Stuttgart Neural Network Simulator (SNNS). Ao final dos trabalhos de classificação, adicionalmente foi realizada uma comparação com os resultados alcançados no MFNR-MG, no qual outro método de classificação, o de Árvores de Decisão, foi empregado em seu procedimento de análise. Os resultados obtidos indicaram que a metodologia por MAXVER, por mais que tenha gerado confusão entre algumas classes por considerar somente o valor da reflectância, o que dificultou ou mesmo impediu a diferenciação entre algumas tipologias vegetacionais, em especial, entre campo de altitude e afloramentos rochosos; e entre eucalipto e floresta semidecídua, apresentou um bom resultado, atingindo um desempenho geral de aproximadamente 80%. A classificação efetuada por RNA s também não distinguiu efetivamente todas as classes pretendidas, mesmo considerando o plano de informação altitude, segundo fornecido pelo modelo de elevação do terreno. A comparação, dos classificadores testados no presente trabalho com a metodologia adotada no MFNR-MG indicou diferenças expressivas na quantificação das coberturas vegetacionais da área estudada, em especial quanto à formação Florestal Ombrófila, a qual se apresentou bem mais evidente nas classificações aqui executadas (MAXVER e RNA). Embora a metodologia de RNA s seja amplamente aceita como a mais adequada para a classificação de imagens de satélites, a complexidade e o tempo demandado na preparação dos materiais, bem como os vários procedimentos de tentativa e erro requeridos para sua execução dificultam ou mesmo restringem sua utilização, principalmente na demanda comercial. Por sua vez, dada a simplicidade e os resultados alcançados, a classificação por MAXVER desponta como uma opção mais viável em muitas situações, tais como às classes que não são distinguidas por algum outro fator que não seja a reflectância da imagem utilizada. No entanto, as duas metodologias aqui testadas (RNA e MAXVER), bem como a utilizada no MFNR-MG, não apresentaram bons resultados para as duas classes de cobertura vegetal exótica pretendida neste trabalho (eucalipto e café).