Geoprocessing in the discrimination of degraded pastures using artificial neural network in image Ikonos II / Geoprocessamento na discriminação de pastagens degradadas utilizando rede neural artificial em imagem Ikonos II

AUTOR(ES)

Edgley Pereira da Silva

DATA DE PUBLICAÇÃO

2006

RESUMO

A pecuária brasileira atingiu a partir da década de 60, uma crescente expansão e consequentemente um aumento em áreas pastagem. Todavia, a perda gradual da capacidade produtiva destas pastagens após alguns anos, tem sido uma constante, principalmente em áreas de exploração extensivas. A recuperação de pastagens degradadas é de difícil implementação devido à falta de informações atualizadas e detalhadas a respeito da sua distribuição espacial. A utilização do sensoriamento remoto por ser uma tecnologia cujos dados podem ser obtidos a baixo custo, com repetitividade e numa escala compatível com a dimensão do problema, pode contribuir em muito para a solução deste problema. A área de estudo localiza-se no município de João Pinheiro, noroeste do estado de Minas Gerais, abrangendo uma área de 100 km2. Os objetivos deste estudo foram: a) diagnosticar e quantificar a área quanto aos sistemas de uso e quanto ao estágio de produtividade das pastagens e b) aplicar métodos de classificação automática em imagem de alta resolução utilizando Redes Neurais Artificiais. Foi utilizada imagem do satélite Ikonos II com resolução espacial de um m. A exatidão do mapeamento foi verificada utilizando-se o índice Kappa. A interpretação visual da imagem e trabalho de campo possibilitou a identificação de pastagens nas seguintes categorias de degradação: nula degradação, baixa degradação, média degradação e intensa degradação. As pastagens presentes na área eram predominantemente de Brachiaria brizantha (1.693 ha), Andropogon gayanus (192 ha) e Panicum maximum (231 ha). De acordo com o índice Kappa, a classificação visual de imagem Ikonos II tem alto potencial para diagnosticar a produtividade das pastagens. As técnicas de classificação em imagens Ikonos II, mostraram-se eficientes na discriminação dos níveis de degradação das pastagens. Os métodos de Máxima verossimilhança e RNA não diferiram estatisticamente e, portanto apresentam alto potencial para classificação de imagem de alta resolução espacial. A avaliação qualitativa dessas imagens mostrou um resultado satisfatório. O método ISODATA foi estatisticamente inferior para imagem de alta resolução espacial. Com os resultados alcançados, abrem-se novas perspectivas para trabalhos futuros, utilizando RNA e situações diferentes, contribuindo para o desenvolvimento do processamento digital de imagem.

ASSUNTO(S)

sensoriamento remoto environmental degradation pastagens sistemas de informação geográfica remote sensing geoprocessamento geoprocessing pastures degradação geographic information systems rede neural artificial ciencia do solo artificial neural network

Documentos Relacionados

• Avaliação da qualidade física de solos em pastagens degradadas da Amazônia
• Economic evaluation of four agroforestry systems models in degraded pastures areas in the ocidental Amazon.
• Automatic fault detection in spark engine using neural network
• Rede Neural artificial aplicado ao manejo de irrigaÃÃo
• Deforestation and recovery of pastures degraded in the amazon: a boarding through the analyses of projects.