Identificação de extensas áreas de culturas agrícolas empregando uma abordagem espectro-temporal utilizando imagens MODIS

• Ano de defesa: 2007
• Autor(a) principal: Braga, Alessandra Lopes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Geotecnia; Saneamento ambiental; Mestrado em Engenharia Civil; UFV
• Palavras-chave em Português: Classificação multitemporal; MODIS; Redes neurais artificiais; Imagens multiespectrais; Remote sensing; Artificial neural networks; Multispectral photography; CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO
• Link de acesso: http://locus.ufv.br/handle/123456789/3846

Imagens do sensoriamento remoto possuem características espaciais, espectrais, radiométricas e temporais, tornando-se assim uma importante ferramenta para aplicações agrícolas nos mais diversos aspectos. Neste sentido, esta dissertação descreve uma metodologia para a classificação de extensas áreas agrícolas, em escala regional, utilizando imagens MODIS (Moderate Resolution Imaging Spectroradiometer). Fez-se uso de superfícies de resposta espectral-temporal, onde cada pixel da imagem é representado em um espaço tridimensional, onde os eixos são respectivamente: o tempo, o comprimento de onda e a refletância. A metodologia consiste na interpolação de uma superfície analítica passando por pontos de controle, usando dois tipos de interpoladores (Collocation e Análise de Tendência Polinomial). Através dessa interpolação obtiveram-se os coeficientes que descrevem a distribuição da superfície no espaço tridimensional, e os mesmos foram utilizados para a classificação das imagens digitais. Para a classificação foram utilizados dois algoritmos, o classificador Gaussiano da Máxima verossimilhança e as Redes Neurais Artificiais. Uma das limitações, no processo de classificação supervisionada, é a aquisição da imagem de referência, assim para este trabalho foram usadas três metodologias distintas para sua obtenção: Reamostragem das imagens temáticas com resolução espacial de 30 para a resolução de 250 metros; Digitalização de polígonos homogêneos em tela; e Operação de vizinhança, que consiste na eliminação de pixels com vizinhança com alta variação no nível digital. Para a avaliação dos resultados obtidos foram utilizados testes e análises estatísticas. Os resultados mostram que as classificações pelas redes neurais apresentam os melhores resultados, até mesmo com poucas amostras de treinamento. Os resultados também mostram importância da alta qualidade na geração da imagem de referência.