Classificação Automatizada do Uso e Cobertura do Solo a Partir de Imagens Landsat (Automated Classification of Use and Land Cover from Landsat Images)

Gilberto Fialho Moreira, Raphael Bragança Alves Fernandes, Elpídio Inácio Fernandes Filho, Carlos Antônio Oliveira Vieira, Karla Aparecida dos Santos

Resumo


As discussões atuais acerca dos problemas ambientais têm exigido o domínio de ferramentas e novas metodologias que garantam a melhor gestão do espaço natural. A avaliação da cobertura do solo tem requerido das agências de monitoramento ambiental investimentos em tecnologias que proporcionem resultados ágeis e precisos, de forma a potencializar as possibilidades de proteção do meio ambiente. Neste contexto, o objetivo deste estudo foi avaliar novas tecnologias e metodologias de detecção automatizada da cobertura vegetal a partir de imagens orbitais. O trabalho foi desenvolvido no município de Araponga/MG, utilizando procedimentos de classificação de imagens pelos métodos da Máxima Verossimilhança (MAXVER) e por Redes Neurais Artificiais (RNA) aplicados em seis bandas de uma imagem LandSat 5TM (Thematic Mapper) 2005. No estudo, buscou-se discriminar as seguintes tipologias: Floresta Estacional Semidecídua, Floresta Ombrófila, Campo de Altitude, Pastagem, Café e Eucalipto. Para fins de comparação, foram utilizados resultados do Inventário Florestal de Minas Gerais de 2005, cuja classificação foi efetuada pelo procedimento das Árvores de Decisão. Os resultados obtidos indicaram divergências entre as metodologias, ainda que na executada via MAXVER, o índice de validação geral utilizado tenha revelado uma classificação considerada ótima. As classificações efetuadas não apresentaram resultados adequados para as coberturas vegetais eucalipto e café. Embora a metodologia RNA venha se despontando como uma das mais adequadas para a classificação de imagens, a complexidade e o tempo demandado na preparação dos materiais, bem como os procedimentos de tentativa e erro requeridos, dificultam ou mesmo restringem sua utilização, principalmente comercial. Em função dos resultados alcançados no presente estudo, aos quais pode ser associada à simplicidade operacional, a classificação via MAXVER destaca-se como uma opção mais adequada para a detecção da cobertura vegetal em estudos ambientais.

 

 Abstract

The current discussions about environmental problems have required knowledgment new tools and methodologies to ensure better management of natural ambient. Land cover evaluation has required from environmental monitoring agencies investments in technology that provide accurate and quick results to maximize the opportunities for environmental protection. In this context, the objective of this study was to evaluate new technologies and methodologies for land cover automated detection from satellite images. The study was carried in Araponga/MG (Brazil) county, using the images classification procedures of Maximum Likelihood (MAXVER) method and Artificial Neural Networks (RNA). Associated with the operational simplicity, the MAXVER classification stands out as a proper option for the detection of vegetation cover in environmental studies.


Palavras-chave


Gestão do espaço natural, Redes Neurais Artificiais, MAXVER, Cobertura florestal.

Texto completo:

PDF


DOI: https://doi.org/10.26848/rbgf.v06.1.p058-065



      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License