Crop area in spatial resolution of 30m estimated with original and simulated MODIS data and landscape metrics / Áreas agrícolas em sensores com resolução espacial de 30m estimadas a partir de dados originais e simulados MODIS e métricas de paisagem

AUTOR(ES)
DATA DE PUBLICAÇÃO

2006

RESUMO

O agronegócio tem papel de destaque na economia brasileira. Dessa forma, a criação de metodologias para o monitoramento agrícola é fundamental. Nesta linha de raciocínio, a estimativa de área agrícola é uma atividade importante para a previsão de safras e avaliação da disponibilidade de produtos para abastecimento interno e exportações. A utilização de sensores remotos tem se mostrado eficiente na medição de áreas. No entanto, a abundância de nuvens representa um fator crítico para o sucesso de sua aplicação. Sensores com repetitividade quase diária podem ser uma solução para essa limitação, apesar de sua resolução espacial moderada. Assim, este trabalho teve por objetivo avaliar as diferenças obtidas nas estimativas de áreas de culturas agrícolas quando são utilizados sensores de resolução espacial moderada (p.ex, MODIS/Terra, com 250m), ao invés de resolução espacial fina (ETM+/Landsat-7, com 30m), considerando dados originais e simulados, diferentes culturas agrícolas e seu padrão de distribuição espacial (métricas da paisagem). As culturas agrícolas avaliadas foram o milho, a cana-de-açúcar e a soja, na região de Ipuã, Guará e São Joaquim da Barra, no norte paulista. Também foram incluídas na análise as classes temáticas mata, pastagem e solo exposto. Para atingir tal objetivo foi estudada a evolução dos valores das métricas de paisagem em função de degradações sucessivas da imagem ETM+ para obter imagens de 90m, 150m, 210m e 270m, utilizando filtragem espacial de textura e de maioria. Modelos de regressão simples (área) e múltipla (área e métricas) foram elaborados com base em dados originais dos sensores ETM+ e MODIS, considerando todas as classes em conjunto (abordagem geral) e cada classe individualmente (abordagem específica). Os resultados obtidos mostraram que: a) as duas técnicas de simulação afetaram de maneira semelhante o padrão espacial das classes temáticas, sendo a filtragem de textura mais realística na tarefa de representar o sensor MODIS/Terra; b) na abordagem geral para estimativa de área, a regressão simples entre as áreas de classes temáticas obtidas das imagens originais apresentou coeficiente de determinação (R²) de 0,46 e a inclusão dos índices de padrão espacial no modelo de regressão múltipla elevou tal grandeza para 0,49, sendo as métricas Área, LPI, LSI, TCA PLADJ e IJI as constituintes do modelo; c) na abordagem específica, a criação de modelos estatísticos para cada cultura agrícola elevou bastante o R², atingindo valores de 0,52, 0,67 e 0,87, para o milho, a cana e a soja, respectivamente. O modelo para o milho foi composto pelos índices LSI, CLUMPY, IJI, MESH e NP, para a cana pelos Área, LSI, CLUMPY, IJI e NLSI. Por fim, para a soja as métricas relevantes foram: Área, NP, NDCA, DCAD, COHE. Portanto, os resultados demonstram que sensores de resolução espacial moderada podem ser utilizados para predizer áreas vistas por sensores de resolução mais fina, especialmente para as culturas agrícolas menos fragmentadas (soja e cana) e com a adoção de modelos estatísticos específicos que incorporem métricas de paisagem.

ASSUNTO(S)

cana-de-açucar agriculture filtragem de textura landscape metric guará (são paulo - brazil) agricultura filtragem de maioria milho scale regression analysis sugarcane soja remote sensing majority filtering modis/terra modis/terra spatial pattern coarse resolution resolução moderna padrão espacial escala são joaquim da barra (são paulo - brazil) ipuã (sp) corn são joaquim da barra (sp) métrica da paisagem texture filtering sensoriamento remoto soybean ipuã (são paulo - brazil) análise de regressão guará (sp)

ACESSO AO ARTIGO

Documentos Relacionados