Identification of agricultural crop areas extensive using an approach spectro-temporal using MODIS images / Identificação de extensas áreas de culturas agrícolas empregando uma abordagem espectro-temporal utilizando imagens MODIS

AUTOR(ES)

Alessandra Lopes Braga

DATA DE PUBLICAÇÃO

2007

RESUMO

Imagens do sensoriamento remoto possuem características espaciais, espectrais, radiométricas e temporais, tornando-se assim uma importante ferramenta para aplicações agrícolas nos mais diversos aspectos. Neste sentido, esta dissertação descreve uma metodologia para a classificação de extensas áreas agrícolas, em escala regional, utilizando imagens MODIS (Moderate Resolution Imaging Spectroradiometer). Fez-se uso de superfícies de resposta espectral-temporal, onde cada pixel da imagem é representado em um espaço tridimensional, onde os eixos são respectivamente: o tempo, o comprimento de onda e a refletância. A metodologia consiste na interpolação de uma superfície analítica passando por pontos de controle, usando dois tipos de interpoladores (Collocation e Análise de Tendência Polinomial). Através dessa interpolação obtiveram-se os coeficientes que descrevem a distribuição da superfície no espaço tridimensional, e os mesmos foram utilizados para a classificação das imagens digitais. Para a classificação foram utilizados dois algoritmos, o classificador Gaussiano da Máxima verossimilhança e as Redes Neurais Artificiais. Uma das limitações, no processo de classificação supervisionada, é a aquisição da imagem de referência, assim para este trabalho foram usadas três metodologias distintas para sua obtenção: Reamostragem das imagens temáticas com resolução espacial de 30 para a resolução de 250 metros; Digitalização de polígonos homogêneos em tela; e Operação de vizinhança, que consiste na eliminação de pixels com vizinhança com alta variação no nível digital. Para a avaliação dos resultados obtidos foram utilizados testes e análises estatísticas. Os resultados mostram que as classificações pelas redes neurais apresentam os melhores resultados, até mesmo com poucas amostras de treinamento. Os resultados também mostram importância da alta qualidade na geração da imagem de referência.

ASSUNTO(S)

remote sensing multispectral photography redes neurais artificiais sensoriamento remoto artificial neural networks classificação multitemporal modis modis imagens multiespectrais

Documentos Relacionados

• Artificial neural networks to spectral-temporal classification of agricultural crops
• Redes neurais artificiais para classificação espectro-temporal de culturas agrícolas
• Caracterização espectro-temporal de pastagens do triângulo mineiro utilizando dados MODIS EVI2 (2000-2010)
• Sensoriamento remoto para o levantamento espectro-temporal e estimativa de área de culturas agrícolas
• Caracterização espectro-temporal de cultivares de trigo utilizando NDVI obtido por sensores terrestres