Orientadores: Carlos Alfredo Joly, Alvaro Penteado Crosta / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Biologia / Made available in DSpace on 2018-07-21T21:56:08Z (GMT). No. of bitstreams: 1 Shimabukuro_MonicaTakako_M.pdf: 23823664 bytes, checksum: df8b171c95a4663395fa2c2858ce5a4d (MD5) Previous issue date: 1996 / Resumo: As atividades agrossilvipastoris na bacia do rio Jacaré Pepira, afluente do médio Tietê, tem provocado a destruição da maior parte dos ecossistemas originais. Estudos sobre a dinâmica dos remanescentes da vegetação são primordiais para a sua conservação, e envolvem obrigatoriamente o monitoramento espacial e temporal das mudanças da cobertura terrestre na região. Além dessa aplicação na gestão da biodiversidade, compreender a estrutura, a função e a evolução do uso das terras nas paisagens fornece subsídios fundamentais para o planejamento das atividades primárias e a avaliação das mudanças globais. Tais finalidades requerem ferramentas e métodos para produzir e interpretar dados diacrônicos e sincrônicos, como os oferecidos pelo sensoriamento remoto. Desde que as alterações antrópicas estão se processando com uma gravidade e velocidade bastante intensas é essencial que a aquisição de informações sobre os usos das terras, se tome cada vez mais automatizada e confiável. Esta dissertação teve como objetivo básico avaliar a aplicação de alguns classificadores espectrais de imagens Landsat- TM no levantamento da cobertura e uso das terras em uma área na bacia do rio Jacaré-Pepira, município de Brotas e Torrinha, São Paulo. Foram selecionados 6 tipos de algoritmos de classificação de imagens: isodata, distância mínima euclidiana simples e baseada em desvios padrões, distância mínima de Mahalanobis, máxima verossimilhança e paralelepípedo. Foi adotada uma amostragem aleatória sistemática não alinhada. Os dados de referência terrestres foram adquiridos a partir de 46 amostras de 600 x 600 m, assegurando um mínimo de 2.7% da área total de estudo. Para obter a exatidão dos dados, foram geradas matrizes de erro e calculados os coeficientes de exatidão global e individual (erros de comissão e omissão) e os coeficientes de concordância Kappa global e individual. Os resultados indicaram o desempenho diferencial dos classificadores, sendo o de máxima verossimilhança e o de distância mínima de Mahalanobis os que apresentaram os melhores resultados. Os processamentos das legendas temáticas com 13 e 9 classes, indicaram os eucaliptais, os corpos d'água e as pastagens como as classes que possuem os menores erros de comissão e maiores coeficientes de concordância Kappa, tendo como referência as imagens classificadas. Quanto aos erros de omissão, as classes canaviais, pastagens e eucaliptais, apresentaram os menores valores para as classificações envolvendo os algoritmos de máxima verossimilhança, distância mínima euclidiana e de Mahalanobis. Contudo, para o algoritmo de distância mínima euclidiana baseado em desvio padrão, a categoria eucaliptais apresentou um valor maior de erro em comparação a classe solo. Os algoritmos clássicos de classificação da cobertura terrestre, empregados neste trabalho, apresentaram um desempenho insatisfatório, o que provavelmente não atenderia a demanda de usuários finais dos produtos cartográficos. Como ainda não há procedimentos simples de classificação digital de imagens orbitais e cálculo de sua exatidão, com um desempenho ótimo para todas as classes ou para todas as áreas de uma região, esforços para aperfeiçoar e integrar as diferentes técnicas de classificação, deveriam ser desenvolvidos e documentados detalhadamente, em concomitância com análises de sua exatidão. Os testes comparativos entre as novas técnicas, tendo as variáveis controladas e a confiabilidade das informações garantida, são fundamentais para determinar precisamente os pontos de estrangulamento dos procedimentos de classificação dos usos das terras, padronizar os métodos e conseqüentemente subsidiar muitos projetos de gestão ambiental / Abstract: The agriculture, husbandry and forestry activities in Jacaré Pepira river basin, a branch of the middle Tietê river, in the State of São Paulo, in Southeastem Brazil, have brought about increasing environrnental impacts in many different natural resources. The mitigation of problems as physical resources contamination and exhaustion, biodiversity loss, climatic changes, etc., is complex and expensive. The different solutions for alI these problems, global change questions and agriculture management involve monitoring the spatial and temporal dynamic of land cover and use. This monitoring requires remote sensing tools and methods to produce and to interpret diachronic and synchronic data. Since these environrnental consequences of intensive agricultural production systems are serious and growing fast, it is essential that we get more and more automated and reliable land cover information by digital image processing systems. The aim of this work is to evaluate the application of some spectral classifiers of Landsat- TM images for the land cover and land use survey in Brotas and Torrinha Counties. The image classification algorithms selected were maximum likelihood, Euclidean minimum distance, minimum distance of Mahalanobis, ISOCLASS and paralIelepiped. This study area was chosen because of its great landscape diversity. A grid with 2124 cell of 600 by 600 m was overlaid on the image. The ground truth was checked in 46 of these points (600 by 600 m) to ensure a 2,7% minimal sampling of the whole study area. It was used a not-aligned systematic random sampling. By way of assessing the image classification accuracy, it was used the error matrix and calculated commission error, omission error and Kappa coefficient The results showa differential performance of' each classifier. Maximum likelihood and Mahalanobis distance shown the best results. The processing involving 13 and 9 land cover types indicated eucalyptus, water bodies and pasture like classes with minor commission error and major Kappa index of agreement. With regard to omission error, the sugar cane, pasture and eucalyptus shown the minor values to maximum likelihood, Euclidean minimum distance and Mahalanobis minimum distance classifiers. However, the eucalyptus showed major error value when compared with soil class in the Euclidean minimum distance algorithm based in standard deviation. The classical algorithms of digital classification, used in this work, showed unsatisfactory performance. They can not solve the problems of final users of cartographic products, as some others studies indicated. As there are not a unique procedure of classification and assessment of accuracy yet, with a good performance to alI classes and regions, the efforts to develop and integrate different techniques of classification and the accuracy analyses must be stimulated and documented in detail. The comparative tests between new techniques, with controlled variables and reliable land cover information, are fundamental to determine exactly the "bottlenecks" of classification procedures in complex land use, standardize methods and subsidize some environrnental management projects / Mestrado / Mestre em Biologia Vegetal

Orientadores: Rubens Augusto Camargo Lamparelli, Jansle Vieira Rocha / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-22T16:59:27Z (GMT). No. of bitstreams: 1 Bispo_RafaelCarlos_M.pdf: 6682271 bytes, checksum: 3672bc3cd1d328c4edf329eabbd31ffe (MD5) Previous issue date: 2013 / Resumo: A produção de café esteve intimamente ligada ao desenvolvimento econômico do Brasil e ainda hoje o café é um importante produto da agricultura nacional. O Estado de Minas Gerais responde atualmente por 52% de toda a área de café do Brasil. Dessa forma, dada a importância da cafeicultura para a economia brasileira, é necessário desenvolver e melhorar as metodologias para seu monitoramento. Dados de sensoriamento remoto podem fornecer informações para o monitoramento e o mapeamento de café de maneira mais rápida e menos onerosa do que os métodos convencionais. Nesse contexto, os objetivos desta pesquisa foram identificar a bienalidade da cultura de café por meio de dados do sensor MODIS, juntamente com dados de estações meteorológicas, entre os anos de 2004 a 2012, e avaliar a eficácia das imagens-fração derivadas do sensor MODIS no mapeamento automático das áreas de café do município de Monte Santo de Minas/MG. Foi utilizada uma série temporal com 163 imagens da banda NIR do MODIS, produto MOD13Q1, para se extrair os valores de refletância dos pixels com pelo menos 80% de café. Dados diários de temperatura e precipitação foram agrupados de acordo com a resolução temporal das imagens (16 dias) para o cálculo do balanço hídrico. Para o mapeamento das áreas de café, foram utilizadas imagens do MODIS, bandas MIR, NIR e RED, dos períodos seco e chuvoso. Através do Modelo Linear de Mistura Espectral foram derivadas imagens-fração de solo, café e água/sombra. Estas imagens-fração serviram como dados de entrada para a classificação automática supervisionada com o método SVM - Support Vector Machine. Os resultados mostraram que para o monitoramento do café os dados de refletância dos períodos de colheita apresentaram maior correlação com a alternância da quantidade da produção. A partir da matriz de erro montada entre as classificações e as máscaras de referência, observou-se que os melhores resultados de Exatidão Global e Índice Kappa foram obtidos na classificação do período seco, sendo 67% e 0,41, respectivamente. Análises estatísticas de correlação e coeficiente de variação aplicadas sobre as imagens-fração de café permitiram melhor compreensão da complexidade do mapeamento do café / Abstract: Coffee production was closely linked to the economic development of Brazil and even today coffee is an important product of national agriculture. The State of Minas Gerais currently accounts for 52% of the whole area of coffee in Brazil. Thus, given the importance of the coffee crops to Brazilian economy, it is necessary to develop and improve methodologies for its monitoring. Then, remote sensing data can provide information for monitoring and mapping of coffee crops faster and cheaper than conventional methods. In this context, the objectives of this study were to identify the biennial yield of the coffee crop using data from MODIS and meteorological stations, over the period between 2004 and 2012, and assess the effectiveness of the fraction-images derived from MODIS in the automatic mapping of the areas of coffee in Monte Santo de Minas/MG. Were used a time series of 163 images of NIR band from MODIS, MOD13Q1 product, to extract the values of reflectance of pixels with at least 80% of coffee. Daily data of air temperature and precipitation were compiled to 16-day intervals to match the temporal resolution of MODIS imagery and to calculate the water balance. For coffee mapping, we used MODIS imagery, MIR, NIR and RED bands, of dry and rainy seasons. Through the Spectral Linear Mixing Model were derived fraction images of soil, coffee and water/shadow. These fraction images served as input data for supervised classification with SVM - Support Vector Machine approach. The results showed that for coffee monitoring the reflectance data of harvest period presented higher correlation with the alternation of coffee production. From the error matrix between the classifications and reference masks, it was observed that the best results of Overall Accuracy and Kappa Index were obtained in the classification of the dry season, with 67% and 0.41, respectively. Statistical analyses of correlation and coefficient of variation applied over images fraction of coffee allowed a better understanding about the complexity of mapping coffee / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestre em Engenharia Agrícola