Orientador: Maria de Lourdes Boeno Trindade Galo / Resumo: As formas de uso e cobertura da terra no entorno de corpos d’água é um dos fatores que mais impactam águas continentais. Diante disso, é que ambientes aquáticos se tornam cada vez mais susceptíveis a processos de eutrofização, o que favorece a proliferação de macrófitas. Uma maneira de monitorar a proliferação de macrófitas, assim como alterações nas formas de uso e cobertura da terra no entorno de reservatórios é a partir de dados de sensoriamento remoto. Sensores remotos surgem como uma alternativa com grande potencial para a análise da variabilidade espaço-temporal de macrófitas aquáticas. Classificadores baseados em aprendizado máquina são cada vez mais utilizados em alternativa às técnicas tradicionais, uma vez que alguns desses algoritmos não requerem a distribuição estatística dos dados permitindo assim a inclusão de atributos não espectrais no processo de classificação. Este estudo teve por objetivo avaliar o potencial de redes neurais artificiais (RNAs) no monitoramento sazonal da dispersão de macrófitas aquáticas no reservatório de Salto Grande, Americana (SP), simultaneamente às alterações no uso e cobertura da terra do seu entorno. No processo de classificação, foram realizados diversos experimentos a fim de selecionar os atributos e arquiteturas de RNA mais adequados para discriminar tanto as macrófitas no corpo hídrico, quanto os tipos de uso e cobertura da terra no seu entorno. Os dados de entrada constituíram-se de bandas espectrais do sistema OLI/Landsat-8, i... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The land use/cover surrounding water bodies is one of the factors that most impact continental waters. Thus, aquatic environments become increasingly susceptible to eutrophication processes, which favors the growth of macrophytes. One way to monitor the growth of macrophytes as well as changes in the forms of land use/cover surrounding reservoirs, is from remote sensing data. Remote sensors emerge as an alternative with great potential for the analysis of spatio-temporal variability of aquatic macrophytes. Classifiers based on machine learning are alternatives increasingly used in detriment to traditional techniques. Those algorithms do not require the statistical distribution of the data, thus allowing the inclusion of non-spectral attributes in the classification process. In this sense, this wok aims to evaluate the potential of artificial neural network (ANN) in the seasonal monitoring of aquatic macrophytes dispersion in Salto Grande, Americana (SP), simultaneously with the changes monitoring in the land use/cover of the surrounding areas. In the classification process, several experiments were performed to select the most appropriate attributes, as well as the best ANN architecture to discriminate the macrophytes in the water body and the types of land use/cover of the surrounding. The input data consisted of OLI / Landsat-8 system spectral bands, texture images derived from OLI images, normalized spectral indices for vegetation enhancement (NDVI), moisture content (MNDW... (Complete abstract click electronic access below) / Mestre

O objetivo deste trabalho foi o de avaliar a aplicação de dois índices de vegetação, NDVI e NDWI, para fins de mapeamento de áreas de arroz irrigado a partir de chaves de classificação temporal. A área do estudo localiza-se na planície costeira interna do Rio Grande do Sul, compondo-se de lavouras de arroz cultivadas no perímetro de irrigação do projeto de assentamento Viamão, região agrícola pertencente à bacia hidrográfica do rio Gravataí. Obtiveram-se imagens digitais de três sistemas sensores, TM (satélite Landsat-5), LISS-III (satélite IRS-P6) e OLI (satélite Landsat-8) para o período compreendido entre primeiro de julho de 2008 e 30 de junho de 2014, correspondendo a seis safras agrícolas. Os dois índices foram calculados para cada cena após o registro geométrico das imagens com a base cartográfica oficial, permitindo avaliar a concordância do mapeamento a partir de imagens de referência de campo. Os padrões de variação temporal dos dois índices de vegetação para as seis safras agrícolas foram analisados para fornecer os parâmetros utilizados na escolha dos limiares dos algoritmos de classificação temporal. As duas chaves de classificação geraram mapas temáticos de uso da terra com duas classes cada: arroz e não arroz. Posteriormente, o resultado do mapeamento para três safras agrícolas sucessivas (2009/10, 2010/11 e 2011/12) foram comparados com a referência e procedida análise da matriz de confusão. Os valores resultantes da análise de concordância ficaram em 77%, 63% e 77% de exatidão global, respectivamente para cada safra considerando o algoritmo do NDVI, e de 88%; 59% e 76%, respectivamente para o algoritmo do NDWI. A análise de discordância evidenciou que a maior parte do erro dos dois algoritmos se deveu à quantidade da discordância, com pouca ou nenhuma discordância na alocação, e que a metodologia empregada pode ser utilizada para auxiliar no mapeamento do plantio de arroz irrigado na área de estudo. / The objective of this work was to evaluate two vegetation indexes, NDVI and NDWI, for mapping paddy rice from temporal classification algorithms. The study area is located in the inner coastal plain of Rio Grande do Sul, consisting of crops of paddy rice in the irrigation perimeter of settlement Viamão, agricultural region in the basin of rio Gravataí. Digital images were obtained from three sensors, TM (satellite Landsat- 5), LISS-III (satellite IRS-P6) and OLI (satellite Landsat-8) for the period from 1 July 2008 and June 30, 2014, corresponding to six agricultural harvests. The two indices were calculated for each scene after the geometric registration of images with the official cartographic base, allowing the correlation mapping from field reference images. The patterns of temporal variation of the two indices of vegetation for six agricultural crops were analyzed to provide the parameters used in the choice of thresholds for temporal classification algorithms. The algorithms generated thematic maps of land use with two classes each: rice and no rice. Subsequently, the result of the mapping for three successive agricultural harvests (2009/10, 2010/11 and 2011/12) were compared with the reference and carried discordance. The resulting of accuracy assessment were in 77%, 63% and 77% of overall accuracy, respectively for each crop considering the NDVI algorithm, and 88%; 59% and 76%, respectively for the NDWI algorithm. The analysis of discordance showed that most of the error of the two algorithms was due to the quantity of disagreement, with little or no disagreement on allocation of disagreement, and that the methodology employed can be used to assist in mapping paddy rice in study area.

O objetivo deste trabalho foi o de avaliar a aplicação de dois índices de vegetação, NDVI e NDWI, para fins de mapeamento de áreas de arroz irrigado a partir de chaves de classificação temporal. A área do estudo localiza-se na planície costeira interna do Rio Grande do Sul, compondo-se de lavouras de arroz cultivadas no perímetro de irrigação do projeto de assentamento Viamão, região agrícola pertencente à bacia hidrográfica do rio Gravataí. Obtiveram-se imagens digitais de três sistemas sensores, TM (satélite Landsat-5), LISS-III (satélite IRS-P6) e OLI (satélite Landsat-8) para o período compreendido entre primeiro de julho de 2008 e 30 de junho de 2014, correspondendo a seis safras agrícolas. Os dois índices foram calculados para cada cena após o registro geométrico das imagens com a base cartográfica oficial, permitindo avaliar a concordância do mapeamento a partir de imagens de referência de campo. Os padrões de variação temporal dos dois índices de vegetação para as seis safras agrícolas foram analisados para fornecer os parâmetros utilizados na escolha dos limiares dos algoritmos de classificação temporal. As duas chaves de classificação geraram mapas temáticos de uso da terra com duas classes cada: arroz e não arroz. Posteriormente, o resultado do mapeamento para três safras agrícolas sucessivas (2009/10, 2010/11 e 2011/12) foram comparados com a referência e procedida análise da matriz de confusão. Os valores resultantes da análise de concordância ficaram em 77%, 63% e 77% de exatidão global, respectivamente para cada safra considerando o algoritmo do NDVI, e de 88%; 59% e 76%, respectivamente para o algoritmo do NDWI. A análise de discordância evidenciou que a maior parte do erro dos dois algoritmos se deveu à quantidade da discordância, com pouca ou nenhuma discordância na alocação, e que a metodologia empregada pode ser utilizada para auxiliar no mapeamento do plantio de arroz irrigado na área de estudo. / The objective of this work was to evaluate two vegetation indexes, NDVI and NDWI, for mapping paddy rice from temporal classification algorithms. The study area is located in the inner coastal plain of Rio Grande do Sul, consisting of crops of paddy rice in the irrigation perimeter of settlement Viamão, agricultural region in the basin of rio Gravataí. Digital images were obtained from three sensors, TM (satellite Landsat- 5), LISS-III (satellite IRS-P6) and OLI (satellite Landsat-8) for the period from 1 July 2008 and June 30, 2014, corresponding to six agricultural harvests. The two indices were calculated for each scene after the geometric registration of images with the official cartographic base, allowing the correlation mapping from field reference images. The patterns of temporal variation of the two indices of vegetation for six agricultural crops were analyzed to provide the parameters used in the choice of thresholds for temporal classification algorithms. The algorithms generated thematic maps of land use with two classes each: rice and no rice. Subsequently, the result of the mapping for three successive agricultural harvests (2009/10, 2010/11 and 2011/12) were compared with the reference and carried discordance. The resulting of accuracy assessment were in 77%, 63% and 77% of overall accuracy, respectively for each crop considering the NDVI algorithm, and 88%; 59% and 76%, respectively for the NDWI algorithm. The analysis of discordance showed that most of the error of the two algorithms was due to the quantity of disagreement, with little or no disagreement on allocation of disagreement, and that the methodology employed can be used to assist in mapping paddy rice in study area.

O objetivo deste trabalho foi o de avaliar a aplicação de dois índices de vegetação, NDVI e NDWI, para fins de mapeamento de áreas de arroz irrigado a partir de chaves de classificação temporal. A área do estudo localiza-se na planície costeira interna do Rio Grande do Sul, compondo-se de lavouras de arroz cultivadas no perímetro de irrigação do projeto de assentamento Viamão, região agrícola pertencente à bacia hidrográfica do rio Gravataí. Obtiveram-se imagens digitais de três sistemas sensores, TM (satélite Landsat-5), LISS-III (satélite IRS-P6) e OLI (satélite Landsat-8) para o período compreendido entre primeiro de julho de 2008 e 30 de junho de 2014, correspondendo a seis safras agrícolas. Os dois índices foram calculados para cada cena após o registro geométrico das imagens com a base cartográfica oficial, permitindo avaliar a concordância do mapeamento a partir de imagens de referência de campo. Os padrões de variação temporal dos dois índices de vegetação para as seis safras agrícolas foram analisados para fornecer os parâmetros utilizados na escolha dos limiares dos algoritmos de classificação temporal. As duas chaves de classificação geraram mapas temáticos de uso da terra com duas classes cada: arroz e não arroz. Posteriormente, o resultado do mapeamento para três safras agrícolas sucessivas (2009/10, 2010/11 e 2011/12) foram comparados com a referência e procedida análise da matriz de confusão. Os valores resultantes da análise de concordância ficaram em 77%, 63% e 77% de exatidão global, respectivamente para cada safra considerando o algoritmo do NDVI, e de 88%; 59% e 76%, respectivamente para o algoritmo do NDWI. A análise de discordância evidenciou que a maior parte do erro dos dois algoritmos se deveu à quantidade da discordância, com pouca ou nenhuma discordância na alocação, e que a metodologia empregada pode ser utilizada para auxiliar no mapeamento do plantio de arroz irrigado na área de estudo. / The objective of this work was to evaluate two vegetation indexes, NDVI and NDWI, for mapping paddy rice from temporal classification algorithms. The study area is located in the inner coastal plain of Rio Grande do Sul, consisting of crops of paddy rice in the irrigation perimeter of settlement Viamão, agricultural region in the basin of rio Gravataí. Digital images were obtained from three sensors, TM (satellite Landsat- 5), LISS-III (satellite IRS-P6) and OLI (satellite Landsat-8) for the period from 1 July 2008 and June 30, 2014, corresponding to six agricultural harvests. The two indices were calculated for each scene after the geometric registration of images with the official cartographic base, allowing the correlation mapping from field reference images. The patterns of temporal variation of the two indices of vegetation for six agricultural crops were analyzed to provide the parameters used in the choice of thresholds for temporal classification algorithms. The algorithms generated thematic maps of land use with two classes each: rice and no rice. Subsequently, the result of the mapping for three successive agricultural harvests (2009/10, 2010/11 and 2011/12) were compared with the reference and carried discordance. The resulting of accuracy assessment were in 77%, 63% and 77% of overall accuracy, respectively for each crop considering the NDVI algorithm, and 88%; 59% and 76%, respectively for the NDWI algorithm. The analysis of discordance showed that most of the error of the two algorithms was due to the quantity of disagreement, with little or no disagreement on allocation of disagreement, and that the methodology employed can be used to assist in mapping paddy rice in study area.