Classificação espectro-temporal de imagens orbitais para o mapeamento da colheita da cana-de-açúcar com queima da palha / Spectral-temporal classification of orbital images to map sugarcane with pre-harvest straw burning

AUTOR(ES)
DATA DE PUBLICAÇÃO

2009

RESUMO

Visando antecipar a extinção da queima da palha da cana-de-açúcar na etapa de pré-colheita de 2021 para 2014, a Secretaria do Meio Ambiente do Estado de São Paulo (SMA-SP) e a União da Indústria de Cana-de-Açúcar (UNICA) assinaram, em junho de 2007, um protocolo de intenções. Dessa forma, o monitoramento das lavouras de cana-de-açúcar com e sem a prática da queima da palha torna-se importante para avaliar a eficácia do protocolo. O Instituto Nacional de Pesquisas Espaciais (INPE), em parceria com a SMA-SP e a ÚNICA, vêm monitorando desde 2006, através de imagens de satélites de média resolução espacial (Landsat e CBERS), a colheita da cana-de-açúcar no Estado de São Paulo. Entretanto, o processo atual de mapeamento é fortemente apoiado na interpretação visual, que fornece resultados precisos, mas demanda um tempo razoavelmente grande considerando a extensão do cultivo da cana no Estado. Nesse contexto, o presente trabalho teve como objetivo avaliar o uso de classificações espectro-temporais de imagens orbitais para mapear áreas de colheita da cana-de-açúcar, com e sem queima da palha. Ao todo foram avaliadas sete classificações, sendo: quatro diferentes variantes do método de superfícies de resposta espectro-temporal (STRS: Spectral-Temporal Response Surface); uma classificação utilizando um Modelo Linear de Mistura Espectral (MLME); uma classificação multitemporal com base nas bandas espectrais de todas as imagens da série temporal; e por último, uma classificação de única data, baseada na última imagem da série temporal. Os resultados mostraram que as classificações STRS, a classificação baseada no MLME, assim como a classificação multitemporal utilizando as bandas espectrais de todas as imagens da série temporal, foram eficientes em mapear com precisão as áreas de colheita de cana-de-açúcar, obtendo, em geral, valores de Exatidão Global (EG) acima de 90%. Já a classificação de única data, com EG menor que 70%, apenas corroborou com a literatura, reafirmando a necessidade da utilização de técnicas multitemporais quando de aplicações em monitoramento agrícola. De maneira geral, os resultados mostraram que é possível utilizar métodos de classificação automática de imagens multitemporais para identificar áreas de colheita da cana-de-açúcar, com e sem queima da palha e, assim, automatizar grande parte do processo de interpretação visual.

ASSUNTO(S)

classificação automática sensoriamento remoto cana-de-açúcar queima da palha automatic classification remote sensing sugarcane straw burning

ACESSO AO ARTIGO

Documentos Relacionados