Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/18130
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2015_LiliandaRochadaSilva.pdf9,75 MBAdobe PDFVisualizar/Abrir
Título: Análise das imagens do satélite RapidEye para discriminação de classes de cobertura vegetal do Cerrado
Autor(es): Silva, Lílian da Rocha da
Orientador(es): Sano, Edson Eyji
Assunto: Sensoriamento remoto
Monitoramento ambiental
Processamento de imagens
Data de publicação: 12-Mai-2015
Referência: SILVA, Lílian da Rocha da. Análise das imagens do satélite RapidEye para discriminação de classes de cobertura vegetal do Cerrado. 2015. xv, 82 f., il. Dissertação (Mestrado em Geologia)—Universidade de Brasília, Brasília, 2015.
Resumo: A discriminação de classes de cobertura vegetal e o monitoramento da expansão da fronteira agrícola no bioma Cerrado têm sido conduzidos principalmente com base em imagens ópticas de satélites com resolução espacial moderada. O uso dessas imagens tem apresentado certa dificuldade por causa da elevada sazonalidade climática e da acentuada dinâmica espacial e temporal das atividades agrícolas. O lançamento do satélite RapidEye, com tamanho de pixel de 5 metros e periodicidade diária (off nadir), trouxe novas perspectivas para o mapeamento e monitoramento da cobertura vegetal do Cerrado. Esta pesquisa objetivou analisar o potencial das imagens RapidEye para discriminar as seguintes classes de cobertura vegetal natural e antrópica do bioma Cerrado: formações florestais, formações savânicas, formações campestres, culturas agrícolas e pastagens cultivadas. Os objetivos específicos incluíram a definição das três bandas mais apropriadas para geração de composições coloridas RGB para interpretação visual; a definição da banda espectral mais favorável para discriminação das classes espectrais acima mencionadas; a definição de classes de cobertura vegetal passíveis de serem discriminadas pelas imagens do satélite RapidEye; e o desempenho da técnica de segmentação por crescimento de regiões seguida de uma nova proposta de classificação semi-automática baseada nos parâmetros estatísticos da tabela de atributos da segmentação, para discriminar as classes de cobertura vegetal consideradas. Análises estatísticas de coeficiente de correlação por Pearson e Optimum Index Factor (OIF), análise de variância (ANOVA), análise de agrupamento hierárquico (cluster analysis) e análise da matriz de confusão indicaram que: a composição colorida RGB mais apropriada é a que envolve as bandas 1 (faixa espectral do azul), 3 (vermelho) e 5 (infravermelho próximo); as bandas 3 e 4 (red-edge) foram as que demonstraram maior potencial para discriminar as classes de cobertura vegetal e natural; é possível discriminar, no mínimo, dois grandes grupos espectrais, um grupo composto por formações florestais e savânicas e o outro grupo composto por formações campestres, culturas agrícolas e pastagens cultivadas; e a nova técnica de segmentação seguida de classificação semi-automática mostrou uma alta acurácia para mapeamentos das cinco classes espectrais consideradas nesse estudo.
Abstract: The discrimination of land cover classes and the monitoring of expansion of agricultural frontiers in the Cerrado biome have been conducted mainly based on optical satellite images with moderate spatial resolutions. The use of these images has presented some difficulty because of the high seasonality and strong spatial and temporal dynamics of agricultural activities. The launch of the RapidEye satellite, with pixel size of 5 meters and daily repeat-pass (off nadir), brought new perspectives for mapping and monitoring the vegetation cover of the Cerrado. This paper analyzes the potential of RapidEye images to discriminate the following land use and land cover (LULC) classes: forestlands, shrublands, grasslands, croplands and cultivated pastures. The specific objectives included the definition of the three most appropriate bands to generate RGB color composites for visual interpretation; defining the most favorable spectral bands for discrimination of the above spectral classes; the definition of LULC classes that can be discriminated by the RapidEye satellite images; and the performance of the new technique based on image segmentation by growing region and followed by the semi-automatic classification based on the statistical parameters available in the attribute table of segmentation to discriminate the considered LULC classes. The Pearson correlation coefficient, the Optimum Index Factor (OIF), the analysis of variance (ANOVA), the hierarchical cluster analysis and the results of confusion matrix showed that: the most appropriated RGB color composite was the one involving the spectral bands 1 (blue) 3 (red) and 5 (near infrared); bands 3 and 4 (red-edge) were the ones that showed the highest potential to discriminate the LULC classes; it is possible to distinguish at least two major spectral groups, the group composed by forestlands and shurblands and the group composed by the grasslands, croplands and cultivated pastures; and the new segmentation technique followed by semi-automatic classification showed high accuracy for mapping the five spectral classes considered in this study.
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Geociências, 2015.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
DOI: http://dx.doi.org/10.26512/2015.03.D.18130
Aparece nas coleções:IG - Mestrado em Geologia (Dissertações)

Mostrar registro completo do item Recomendar este item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.