Made available in DSpace on 2016-12-12T20:12:32Z (GMT). No. of bitstreams: 1 PGEF15MA050.pdf: 5724520 bytes, checksum: 4aae5cece599a90d29686f6da99e729a (MD5) Previous issue date: 2015-07-31 / Over the last decades, advances in Earth Observation technology have been playing an important role for forest monitoring worldwide. A remarkable improvement in remotely sensed data is the refinement of the spatial resolution. The region-based classification and object-based image analysis (OBIA) appears to be the most appropriates approaches to extract information coming from high spatial resolution images. Such information is becoming even more frequently. However, the costs involved in acquiring proprieraly OBIA software licenses is often too high. Therefore, the use of open source softwares is envisaged. This study aimed to evaluate open source softwares in order to classify secondary successional forest stages of Ombrophilous Mixed Forest environments in Southern Brazil. Three test sites were selected in the mountainous region of Santa Catarina State (SC). We used scenes from the airborne system for acquisition and post-processing of images (SAAPI) with a spatial resolution of 0.39m. The dataset consists of orthorectified images containing three spectral bands in the visible range (i.e. 0.38 0.70μm), three spectral bands in the near infrared (i.e. 0.76 0.78μm) and a digital surface model. Three methodologies were developed using decision tree algorithms available at the following open source softwares: InterIMAGE, GeoDMA, WEKA and QGIS. We selected the support vector machine algorithm (SVM) available in Orfeo ToolBox Monteverdi software for both region-based and pixel-based classification. We also evaluate the SPT software in order to obtain the ideal set for segmentation parameters. Results show that the classification of secondary successional forest stages as well as other land use classes performed well. Kappa index ranged from 0.60 to 0.89. Conditional accuracy and both producer s and user s accuracy were higher than 0.5. The best overall accuracy results were found for initial forest stages while the worst performance was observed in the intermediate successional forest stage. Region based classification and OBIA performed better than pixel by pixel based classification. The generated classified maps reveal the applicability of this aproaches for extracting useful information from the SAAPI images. Such information can also provide useful information for forest resources monitoring practices at the state level / Nas últimas décadas, observou-se uma notável evolução das tecnologias espaciais destinadas ao monitoramento dos recursos florestais. Um significativo avanço nos dados de sensoriamento é o refinamento da resolução espacial. Com a crescente disponibilidade de imagens de alta resolução espacial, a classificação por regiões e a análise baseada em objeto (Object Based Image Analysis- OBIA) apresentam-se como abordagens mais adequadas para extrair informações dessas imagens. No entanto, os custos envolvidos na aquisição de licenças de aplicativos comerciais disponíveis para este propósito costuma ser demasiadamente alto. Assim, faz-se necessário avaliar o uso de aplicativos na modalidade open source. Este trabalho teve como objetivo avaliar aplicativos open source relacionadas à classificação baseada em regiões e à mineração de dados, para classificar estádios sucessionais de florestas secundárias da Floresta Ombrófila Mista (FOM) em três áreas-teste situadas na região serrana de Santa Catarina (SC). No processamento, utilizaram-se ortoimagens do Sistema Aerotransportado de Aquisição e Pós-processamento de Imagens (Airborne System for Acquisition and Post-processing of Images- SAAPI) com alta resolução espacial (0,39 m) obtidas no levantamento aerofotogramétrico de SC. Os dados consistem de três bandas no visível (0,38 - 0,70 μm), três bandas no infravermelho próximo (0,76 - 0,78 μm) e o Modelo Digital de Superfície. Três metodologias foram desenvolvidas utilizando mineração de dados com algoritmos de árvore de decisão, nos aplicativos InterIMAGE, GeoDMA, WEKA e QGIS. O algoritmo de máquina de vetor suporte (Support Vector Machine- SVM) foi selecionado para a classificação baseada em regiões e por pixel no software Orfeo ToolBox Monteverdi. Testou-se também o software SPT para avaliação e escolha automática dos parâmetros da segmentação das imagens. Os resultados se mostraram satisfatórios para classificar estádios sucessionais da FOM, assim como outras classes de uso e cobertura da terra. As classificações apresentaram um índice Kappa variando entre 0,6 e 0,89. A avaliação condicional das classes referentes aos estádios sucessionais (exatidão e Kappa condicional do produtor e usuário), no geral, foram superiores a 0,5, sendo os melhores resultados obtidos na identificação do estádio inicial e os piores para o estádio médio. A classificação baseada em regiões e a OBIA foram significantemente superiores à classificação pixel a pixel. Estes resultados demonstram o potencial dessas abordagens na extração de informações de imagens de alta resolução espacial, como os provenientes do recobrimento aéreo estadual, bem como, a possibilidade de fornecer subsídios para a implementação de políticas públicas e no monitoramento dos recursos florestais em nível estadual