Submitted by Pedro Barros (pedro.silvabarros@ufpe.br) on 2018-06-26T19:35:53Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO João Antônio dos Santos Pereira.pdf: 6041622 bytes, checksum: ee54e0970402859e0f1dfcc79d9b7d1e (MD5) / Made available in DSpace on 2018-06-26T19:35:53Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO João Antônio dos Santos Pereira.pdf: 6041622 bytes, checksum: ee54e0970402859e0f1dfcc79d9b7d1e (MD5) Previous issue date: 2017-02-01 / CAPES / A associação de variados métodos e usos das imagens de satélite trazem a possibilidade de enxergar o ambiente de maneira ampla. Entre os usos mais comuns desses dados estão as classificações supervisionadas e os índices físicos. A necessidade dessa aplicação aumenta em ambientes onde os cenários de degradação dos recursos ambientais está se acentuando com o passar do tempo, como é o caso do bioma Caatinga. Sendo assim, a pesquisa propõe a utilização de classificações supervisionadas e índices físicos para analisar a região ao entorno do reservatório de Itaparica. Esta região é estratégica para o estado pois comporta além da represa, importantes áreas de cultivos irrigados, e é objeto de estudo do projeto INNOVATE (Interplay Among Multiple Uses of Water Reservoirs via Innovative Coupling Substance Cycles in Aquatic and Terrestrial Ecosystems), que tem como principal interesse entender as relações entre as mudanças climáticas e as formas de uso da terra e dos recursos hídricos em ambiente semiárido. Nesta pesquisa, foram utilizadas imagens do sensor OLI/TIRS do landsat 8 e dados de chuva, e realizadas classificações supervisionadas pelos métodos da máxima verossimilhança e distância euclidiana para observar a distribuição das classes de uso do solo. Essas classificações foram avaliadas a partir dos índices estatísticos Kappa e TAU, com base na matriz de confusão gerada a partir das amostras da classificação. Além disso, foram utilizados os índices físicos albedo de superfície, NDVI (Normalized Difference Vegetation Index), temperatura de superfície e saldo de radiação, segundo metodologia proposta no algoritmo SEBAL (Surface Energy Balance Algorithms for Land), para analisar o comportamento de cada classes e relacioná-los com os resultados obtidos com as classificações. Nos resultados foram observadas que nas classificações supervisionadas houve confusão entre as classes de solo exposto e área urbana, assim como nas classes de agricultura irrigada e vegetação arbórea. Essa confusão é explicada pela similaridade espectral que esses alvos possuem. Exatamente nesse sentido, os índices físicos aparecem como forma de obter separação entre as classes que se assemelham. O saldo de radiação e o albedo conseguiram gerar discrepâncias maiores entre os alvos na imagem de janeiro, porém obtiveram péssimo desempenho nessa função para a imagem de junho, pois a ocorrência de um evento chuvoso no dia da passagem do sensor impactou totalmente esses índices. Dessa forma, o NDVI se mostrou mais eficiente, pois suas alterações necessitam mais tempo para serem consideráveis. / The association of various methods and uses of satellite images bring the possibility to see the environment widely. Among the most common uses of this data are supervised classifications and the physical indexes. The need for this application increases in environments where the scenarios of degradation of environmental resources is increasing over time, as is the case of the Caatinga. Thus, the research proposes the use of supervised classifications and physical indexes to analyze the region surrounding the Itaparica reservoir. This region is strategic for the State because it acts beyond the dam, important areas of irrigated crops, and is the subject of study of the project INNOVATE (Interplay Among Multiple Use of Water Reservoirs via Innovative Coupling Substance Cycles in Aquatic and Terrestrial Ecosystems), whose main interest to understand the relationship between climate change and ways of use of land and water resources in semi-arid environment. In this research, it was used images from the landsat sensor OLI/TIR 8 and rain data, and performed supervised classifications by methods of maximum likelihood and Euclidean distance to observe the distribution of land use classes. These classifications were evaluated from the statistical indexes Kappa and TAU, based on the array of confusion from the samples of the classification. In addition, physical indexes used were surface albedo, NDVI (Normalized Difference Vegetation Index), surface temperature and radiation balance, according to the methodology proposed in the algorithm SEBAL (Surface Energy Balance Algorithms for Land), to analyze the behavior of each classes and relate them with the results obtained with the ratings. The results were observed in supervised classifications there was confusion between the classes of soil exposed and urban area, as well as irrigated agriculture classes and arboreal vegetation. This confusion is explained by spectral similarity to those targets. Exactly in this sense, the physical indexes appear as way to get separation between classes that resemble. The radiation balance and albedo were able to generate larger discrepancies between the targets in January, but image obtained bad performance in this function to the image of June, because the occurrence of a rain event on the day of passing the sensor fully impacted them. In this way, the NDVI has proved to be more efficient, because their changes require more time to be considerable.