Купить СНПЧ А7 Архангельск, оперативня доставка

Classificadores de Imagens por Técnicas de Sensoriamento Remoto e Geoestatística

DOI: http://dx.doi.org/10.12702/II-SGEA-a10

 

downloadpdf

Alessandra F. Silva1, Ana P. Barbosa2, Célia R. L. Zimback3 & Paulo M. B. Landim4

 

Resumo: O objetivo deste trabalho foi comparar a precisão de métodos de classificação de imagens orbitais na determinação de áreas cultivadas com citros, na Mesoregião de Araraquara, por meio de métodos de sensoriamento remoto e geoestatísticos. A área de estudo utilizada nesta pesquisa é da região central do Estado de São Paulo. Foi utilizado o SIG-SPRING para o processamento dos dados. Foram utilizadas as bandas 2, 3 e 4 da imagem digital proveniente do satélite CBERS 2B, câmera CCD (Câmera Imageadora de Alta Resolução), da data de 16/04/2009, na órbita/ponto 157/124. No processo de classificação das imagens foram utilizados os classificadores não-supervisionado (CLUSTER) e supervisionados (MAXVER e Krigagem Indicativa-KI), além da classificação em tela tida como verdade terrestre. A fidedignidade da classificação foi avaliada pelo Índice Kappa. Pela validação, a KI-B2 foi o classificador que obteve a melhor qualidade de classificação em comparação com a KI-B3, KI-B4, MAXVER e CLUSTER. As classificações com krigagem indicativa tiveram maior tempo de processamento.

Palavras-chave: Krigagem indicativa; Satélite CBERS 2B; Interpolação

 

Abstract: The aim of this work was to compare the accuracy of classification methods of orbital images in determining areas with citrus, in Araraquara, through remote sensing methods and geoestatistics The study area used for this research is the central region of São Paulo State. It was used the GIS-SPRING on processing of the data. Were used bands 2, 3 and 4 of the digital image from CCD/CBERS 2B, dated of 04/16/2009, path/row 157/124. The process of images classification were used non-supervised classification (CLUSTER) and supervised classification (MAXVER and Indicative Kriging-KI), besides the screen classification taken as ground truth. The trust of the classification was evaluated by Kappa Index. By validation, the KI-B-2 was the classifier that obtained the highest quality rating compared to KI-B3, KI-B4, MAXVER and CLUSTER. The classifications with indicative kriging had the highest processing time.

Key words: Indicative kriging; CBERS-2B satellite; Interpolation

 

1 Mestranda em agronomia, FCA/ UNESP, Rua Humberto Milanesi, 159, Residencial Pimavera, 18.610-385, Botucatu, SP, alefagioli@hotmail.com
2 Doutoranda em agronomia, FCA/ UNESP, Rua Manoel da Silva, 40, 18.609-500, Botucatu, SP, anap_barbosa@yahoo.com.br
3 Prof. Adjunto do Departamento de Recursos Naturais, FCA/UNESP - Rua José Barbosa de Barros, 1780 CEP: 18610-307 Botucatu, SP – Brasil. Caixa-Postal: 237, czimback@gmail.com
4 Prof. Emérito da Universidade Estadual Paulista/UNESP, Departamento de Geologia Aplicada do Instituto de Geociências e Ciências Exatas do campus da UNESP/Rio Claro, plandim@rc.unesp.br

 

Literatura Citada

BRASIL – Serviço Nacional de Pesquisa Agronômica, Comissão de Solos. Levantamento de reconhecimento dos solos do Estado de São Paulo. Ministério da Agricultura. CNEPA, 1960. 605 p. (Boletim, 12).

CURRAN, P. J. “The semivariogram in remote sensing: An introduction,” Remote Sens. Environ, v. 24, n. 3, p. 493–507, 1988.

CURRAN, P. J, ATKINSON, P. M. Geostatistics and remote sensing. Progress in Physical Geography, v. 22, n. 1, p. 61–78, 1998.

EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária. Centro Nacional de Pesquisa de Solos. Sistema Brasileiro de Classificação de Solos. 2.ed. Rio de Janeiro, Embrapa, 2006. 374 p.

LOPES, E.S.S.; FERREIRA, H.S. TUTORIAL 10 Aulas: SPRING Básico. Disponível em: <http://www.dpi.inpe.br/spring/>. Acesso em: 01 jun. 2010.

RAMSTEIN, G., RACY, M., Analysis of the structure of radiometric remotely-sensed images. International Journal of Remote Sensing, v. 10, p. 1049-1073, 1989.

ROSSI, R. E., DUNGAN, J. L., BECK, L. R. Kriging in the shadows: geostatistical interpolation for remote sensing. Remote Sens. Environ., v.49, p. 32-40, 1994.

SANCHES, I. D.; GÜRTLER, S.; FORMAGGIO, A. R. Discriminação de variedades de citros em imagens CCD CBERS-2. Ciência Rural, Santa Maria, v.38, n.1, p.103-108, jan-fev, 2008.

WOODCOCK, C. E., STRAHLER, A. H., JUPP, D. L. B. The use of variogram in remote sensing: scene models and simulated images. Remote Sensing of Environment, v. 25, p. 323-348, 1988.

ZIMBACK, C. R. L. Análise espacial de atributos químicos de solos para fins de mapeamento da fertilidade. 2001. 114 f. Tese (Livre-Docência em Levantamento do solo e fotopedologia) - FCA-UNESP, Botucatu, 2001.