Submitted by Jadson Francisco de Jesus SILVA (jadson@uefs.br) on 2018-03-02T22:16:44Z No. of bitstreams: 1 clovesvilasboas_disserta??o_mestrado_2017.pdf: 2913418 bytes, checksum: bb279ced1f535288e5f541d897d80a7d (MD5) / Made available in DSpace on 2018-03-02T22:16:44Z (GMT). No. of bitstreams: 1 clovesvilasboas_disserta??o_mestrado_2017.pdf: 2913418 bytes, checksum: bb279ced1f535288e5f541d897d80a7d (MD5) Previous issue date: 2017-02-17 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / There is a great need for the development of more efficient systems for monitoring the dynamics of atmospheric carbon so that there is a better understanding of the interactions between the biosphere and the atmosphere. However, it is critical that these technologies have high coverage and low cost. In the vegetation, the process of biomass generation through photosynthesis is a determining factor in the way a vegetated area will appear radiometrically in the satellite images, therefore, the remote sensing becomes an alternative to the monitoring of this dynamics, having a High coverage and have a low cost. The objective of this work is to analyze the dynamics of CO2 fluxes in the Caatinga Biome by means of multispectral remote sensing, verifying the potential of multispectral images in the detection of CO2 fluxes in areas of preserved Caatinga and in a regenerated state. The study was carried out in areas of Caatinga in the municipality of Petrolina-PE and Araripina-PE, areas that are monitored by micrometeorological stations. The methodology adopted was based on the modeling of the Carbon Forest Sequestration Index (CO2flux) that measures the efficiency of the carbon sequestration process by vegetation, and proposes the integration of the Normalized Difference Vegetation Index (NDVI) with the Index of Photochemical Reflectance (PRI). For the database, 22 OLI (Landsat-8) multispectral scenes were used together with field-measured meteorological data to verify the relationship between the variables analyzed. The results showed that the vegetation of the Caatinga has seasonal variations in CO2 flows in regions with different vegetation types. The CO2flux index can be applied to determine the CO2 fluxes, presenting better adjustments when the CO2 data are compared using the 1 pixel reading in the image, showing to be more efficient in relation to the analysis with the footprint in. However, based on spectral models of vegetation, it was possible to determine the dynamics of CO2 flows in areas of preserved Caatinga and in regeneration state using data extracted from multispectral sensors. / H? uma grande necessidade no desenvolvimento de sistemas mais eficazes para o monitoramento da din?mica do carbono atmosf?rico, para que haja uma melhor compreens?o das intera??es entre a biosfera e a atmosfera. No entanto, ? fundamental que essas tecnologias possuam alta cobertura e um baixo custo. Na vegeta??o, o processo de gera??o de biomassa por meio da fotoss?ntese ? um fator determinante na forma como uma ?rea vegetada ir? aparecer radiometricamente nas imagens de sat?lite, portanto, o sensoriamento remoto vem a ser uma alternativa para o monitoramento dessa din?mica, por ter uma alta cobertura e possuir um baixo custo. O objetivo deste trabalho ? analisar, por meio de sensoriamento remoto multiespectral, a din?mica dos fluxos de CO2 no Bioma Caatinga, verificando o potencial das imagens multiespectrais na detec??o dos fluxos de CO2 em ?reas de Caatinga preservada e em estado de regenera??o. O estudo foi desenvolvido em ?reas de Caatinga no munic?pio de Petrolina-PE e Araripina-PE, ?reas monitoradas por esta??es micrometeorol?gicas. A metodologia adotada foi a partir da modelagem do ?ndice de Sequestro Florestal de Carbono (CO2flux) que mede a efici?ncia do processo de sequestro de carbono pela vegeta??o, e que prop?e a integra??o do ?ndice de Vegeta??o por Diferen?a Normalizada (NDVI) com o ?ndice de Reflect?ncia Fotoqu?mica (PRI). Foram utilizadas, para a base de dados, 22 cenas multiespectrais do sensor OLI (Landsat-8) juntamente com dados meteorol?gicos medidos em campo, a fim de verificar a rela??o entre as vari?veis analisadas. Os resultados mostraram que a vegeta??o da Caatinga tem varia??es sazonais nos fluxos de CO2 nas regi?es com diferentes tipos de vegeta??o. O ?ndice CO2flux pode ser aplicado para a determina??o os fluxos de CO2, apresentando melhores ajustes quando os dados de CO2 s?o comparados utilizando a leitura de 1 pixel na imagem, mostrando ser mais eficiente em rela??o a analise com as ?reas de influ?ncia (footprint) em rela??o aos pontos amostrais, no entanto, os dados de footprint apresentaram tamb?m correla??es significativas. Portanto, baseado nos modelos espectrais de vegeta??o foi poss?vel determinar a din?mica dos fluxos de CO2 em ?reas de Caatinga preservada e em estado de regenera??o utilizando dados extra?dos de sensores multiespectrais.

Nos dias de hoje o controle e monitoração de sistemas biológicos relacionados ao controle ambiental tem sido considerado importante para o diagnóstico e biorremediação de sistemas aquosos como rios e lagos. A eficácia dos processos de controle está diretamente relacionada aos processos de medição \"in-situ\" em tempo real. Nesse sentido o presente trabalho apresenta o desenvolvimento de sistemas multiespectrais portáteis para monitoramento, \"in-situ\" e em tempo real, da dinâmica do crescimento microbiano utilizados em processos de biorremediação. Assim, para este fim foram desenvolvidos dois sistemas, um para monitorar a concentração de oxigênio dissolvido (OD) em meio aquoso e outro para monitorar a absorção óptica do meio de cultura. O sensor óptico para monitorar a concentração de OD está baseado em uma fibra óptica na qual em uma de suas pontas (extremidades) foi depositado um filme fino de Poli (cloreto de vinila) (PVC) dopado com moléculas de octaetilporfirina de platina (PtOEP) como parte sensível do dispositivo. O sensor mostrou resposta linear em regiões entre 4 e 18 mg/L de OD em meio aquoso, tendo como tempo de resposta de 8 s e tempo de recuperação de 236 s. O sistema de medida de absorção óptica do meio de cultura foi projetado e fabricado utilizando-se um fotodetector multiespectral e um diodo LED (600nm) como fonte de excitação. A aquisição, controle e processamento de sinais deste sistema está baseado em uma placa de aquisição NI modelo myRIO-1900 fabricado pela National Instruments, utilizando-se tecnologia Field Programmable Gate Array (FPGA). Os resultados obtidos com este sistema mostram ter o mesmo nível de desempenho se comparado ao de um sistema biofotométrico comercial na faixa de concentração entre 1,13 mg/ml à 2,11mg/ml. / Nowadays, the controlling and monitoring biological systems related to environmental control has been considered important for the diagnosis and bio-remediation of aqueous systems like rivers and lakes. The effectiveness of this control processes are directly related to \"in-situ\" and real-time measurement processes. In this sense the present work presents the development of portable multispectral systems for monitoring, \"in-situ\" and in real time, the dynamics of microbial growth used in bio-remediation processes. So, for this purpose were fabricated two systems, one to monitor the concentration of dissolved oxygen (DO) in aqueous medium and another to monitor the optical absorption of culture medium. The optical sensor to monitor the DO is based on an optical fiber in which in one of its ends was deposited a poly(vinyl chloride) (PVC) thin film doped with Platinum octaethylphorphyrin molecules (PtOEP) as part of the device. The sensor showed linear response in regions between 4 and 18 mg/L of DO in aqueous medium, with response time of 8s and the recovery time of 236s. The system of measurement of optical absorption of culture medium was designed and manufactured using a multispectral photodetector and a diode LED (600nm) as a source of excitation. The acquisition, signal processing and control of this system are based on an acquisition card NI myRIO-1900 model manufactured by National Instruments, using FPGA technology. The results obtained with this system shows to have the same level of performance to that of a commercial biophotometric system in the concentration range of 1.13 mg/mL to 2.11 mg/mL.

O uso de imagens provenientes de sensores remotos, tal como sistemas acoplados em aviões e satélites, é cada vez mais frequente, uma vez que permite o monitoramento continuo e periódico ao longo do tempo por meio de diversas observações de uma mesma região, por vezes ampla ou de difícil acesso. Essa ferramenta tem se mostrado importante e significativa em aplicações como o mapeamento de solo e fronteiras; acompanhamento de áreas de desmatamento, queimadas e de produção agrícola. Para gerar resultados interpretáveis ao usuário final, essas imagens devem ser processadas. Atualmente, o método de classificação por máxima verossimilhança é o mais empregado para classificação de imagens multiespectrais de sensores remotos, entretanto, por se tratar de uma técnica supervisionada, seus resultados dependem extensivamente da qualidade do conjunto de treinamento, utilizado para definir os parâmetros do método. A seleção de um bom conjunto de treinamento é um processo custoso e inviabiliza a automação da classificação para diversas imagens. O método de classificação por máxima verossimilhança é também paramétrico e portanto exitem algumas suposições quanto a distribuição dos dados que devem ser atendidas, caso contrário a aplicação do método pode gerar resultados ruins. Tendo em vista essas desvantagens do método da máxima verossimilhança, este trabalho propõe um novo método para a classificação de imagens multiespectrais provenientes de sensores remotos de forma que o procedimento seja autônomo, veloz e preciso, minimizando dessa forma os possíveis erros humanos inseridos em etapas intermediárias do processo, tal como a definição de conjuntos de treinamento. O método aqui proposto pertence ao conjunto das redes neurais artificiais (RNAs) e é denominado growing neural gas (GNG). Este método baseia-se no aprendizado não supervisionado de padrões \"naturais\" dentro de um conjunto de dados por meio da criação e adaptação de uma rede mínima de neurônios. Os resultados gerados a partir da classificação pela RNA foram comparados com os métodos mais utilizados na literatura atual, sendo eles o método da máxima verossimilhança e o método k-means. A partir da biblioteca espectral ASTER, mantida e criada parcialmente pela NASA, foram realizadas várias repetições do experimento, que consiste em classificar os dados de acordo com as diferentes classes existentes, e para cada uma destas repetições calculou-se uma medida de acurácia, denominada índice kappa, além do tempo de execução de cada método, de forma que suas médias foram comparadas via intervalo de confiança gerados por bootstrap não paramétrico. Também investigou-se como a análise de componentes principais (ACP), técnica utilizada para reduzir a dimensão dos dados e consequentemente o custo computacional, pode influenciar no desempenho dos métodos, tanto em sua qualidade de classificação quanto em relação ao tempo de execução. Os resultados mostram que o método proposto é superior nos dois aspectos estudados, acurácia e tempo de execução, para a maioria dos fatores aplicados. Mostra-se ainda um exemplo de aplicação prática em que uma imagem multiespectral de satélite não satisfaz as pré-suposições estabelecidas para o uso do método da máxima verossimilhança e verifica-se a diferença entre os métodos com relação a qualidade final da imagem classificada. / The use of images from remote sensors, such as coupled systems in airplanes and satellites, are increasingly being used because they allow continuous and periodic surveillance over time through several observations of some particular area, sometimes large or difficult to access. This sort of image has shown an important and meaningful participation in applications such as soil and borders mapping; surveillance of deforestation, forest fires and agricultural production areas. To generate interpretable results to the end user, these images must be processed. Currently, the maximum likelihood classification method is the most used for multispectral image classification of remote sensing, however, because it is a supervised technique, the results depend extensively on the quality of the training set, used to define the parameters of the method. Selecting a good training set is a costly process and prevents the automation of classification for different images. The maximum likelihood classification method is also parametric, and therefore, some assumptions about the distribution of the data must be met, otherwise the application of the method can generate bad results. In view of these disadvantages of the maximum likelihood method, this dissertation proposes a new, autonomous, fast and accurate method for multispectral remote sensing imagery classification thereby minimizing the possible human errors inserted at intermediate stages of the process, such as the definition of training sets. The method proposed here belongs to the set of artificial neural networks (ANN) and is called growing neural gas (GNG). This method is based on unsupervised learning of \"natural\" patterns in a dataset through the creation and adaptation of a minimum network of neurons. The results generated from the classification by ANN were compared with the most commonly used methods in the literature: the maximum likelihood method and the k-means method. From the spectral library Aster, maintained and made in part by NASA, several replications of the experiment were made, which is to classify the data according to different preestablished classes, and a measure of accuracy called kappa index was calculated for each of the replicates, in addition to the execution time of each method, so that their means were compared via confidence interval generated by nonparametric bootstrap. It was additionally investigated how principal component analysis (PCA), technique which reduces dimension of data and consequently the computational cost, can influence the performance of methods, both in its quality rating and runtime. The results show that the proposed method is superior in both aspects studied, accuracy and runtime, for the majority of applied factors. Furthermore, it is shown an example of a practical application in which a multispectral satellite image does not necessarily meet the established assumptions for using the maximum likelihood method, and there is a difference between the methods, regarding to its final classified image quality.

A referida pesquisa tem como finalidade usar ferramentas de geotecnologias para mapear a distribuição espacial do campo térmico da cidade de Piracicaba, SP e comparar os diferentes tipos de superfícies urbanas. Foram feitas coletas de temperatura em 3 áreas distintas, em determinados horários, na estação do verão e inverno. Nesses pontos de coleta de temperatura foram criados polígonos circulares e por meio desses polígonos circulares foram retirados das imagens de alta resolução da videografia aérea multiespectral, utilizando a técnica de classificação supervisionada foram separados as porcentagens dos diferentes tipos das superfícies urbanas. Foram feitas comparações com imagens térmicas, e correlacionadas com pixels retirados do NDVI (Índice de Vegetação por Diferença Normalizada) das imagens multiespectrais da videografia aérea multiespectral, os resultados obtidos do R2=0,68. Outras comparações foram realizadas com as temperaturas coletadas e com cenas da banda 6 do Satélite Landsat 5. Para transformação das cenas, foi utilizado o algoritmo de transformação do software IDRISI 3.2. Foi possível obter mapas temáticos com valores da temperatura radiante da superfície urbana da cidade de Piracicaba. Os resultados obtidos pela comparação entre as classes de cobertura, copa de árvore e a temperatura foram satisfatórios obtendo-se um R2 de 0,56 para polígonos circulares de 50 metros, outros resultados como lago/lagoa o R2 foi 0,72 e para sombra 0,24. Com a evolução dos recursos de geotecnologia, sensoriamento remoto, sistema de informações geográficas, informações mais detalhadas serão obtidas do tecido urbano. / This research aims to use tools to map the geo-spatial distribution of thermal field in Piracicaba, SP, and compare the different types of urban surfaces. Samples were performed in temperature in 3 different areas, at certain times, in the summer season and winter. These collection points were set up temperature circular polygons and polygons through these circulars were derived from images of high resolution multispectral aerial videography, using the technique of supervised classification were separated from the percentages of different types of urban surfaces. Comparisons were made with thermal imaging and correlated with pixels taken from NDVI (Normalized Difference Vegetation Index) the multispectral images of multispectral aerial videography, the results of R2 = 0,68. Other comparisons were made with the temperatures collected and scenes of the band 6 of Landsat 5 (TM). For processing the scenes, we used the algorithm processing software IDRISI 3.2. It was possible to obtain thematic maps with radiant values temperature of the surface of the town of Piracicaba. The results obtained by comparing the classes of coverage, and canopy temperature were adequate to yield an R2 of 0,56 for circular polygons of 50 meters, other results such as lake/pond R2 was 0,72 and for shade 0,24. With the development of resources of geotechnology, remote sensing, geographic information system, more detailed information will be obtained from the urban fabric.

The necessity to identify objects in the ground constituted by several types of materials became a challenge to the remote sensing researchers. This situation promoted new researches about sensors development and stimulated the improvement and the creation of new techniques and tools that assist in characterization of the targets. Following this necessity this research was developed with the objective of characterize urban targets in multispectral images, by means multivariated statistical analysis and supported by ground spectroradiometry. It was used the sensor MSS EPS A 31T, the spectroradiometer FieldSpec Pro FR and the softwares R 2.7 and ERDAS 8.7. It was realized a sensing in a continuous strip over the Federal University of Santa Maria RS in three distinct schedules, at 12:00 pm HBV and 04:00 pm HBV in 17/12/2008 and at 09:00 am HBV in 27/12/2007. The MSS sensor was operated from the R-99B, a FAB aircraft, on 31 channels mode, in the spectral interval of 0,42μm and 12,5μm and space resolution of 2,5m. parallel to the flight it was realized the reading of the radiation reflected by the targets on ground using the spectroradiometer, which operate in the continuous interval from 0,35 μm to 2,5 μm. A methodology allied with the photo interpretation is the analytic statistic, therefore with the technological evolution it became to associate the panchromatic aerial photographic with multispectrals images. The data obtained in the research were recorded and treated in their respective interfaces and converted to mains. The MSS 3 digital values were rejected from the research because of treatment incompatibility. Initially it was made the analysis of the main components, identifying the three main components (MSS sensor channels 7, 3 and 30), answering them for 99,947% and 99,948% of the originals variables variability to MSS 1 and MSS 2 respectively. From that was generated a high contrast image among the constituent materials of the proposed targets. The wavelength intervals of the three main components were retaken to mains structuring to the execution of the regression analysis. The main components were linked with the ground spectroradiometry realized readings, in their respective spectral intervals. The regression coefficients found had answered respectively for 76,99% of the MSS1 depended variables variability and 85,40% of the MSS 2. These percentages had expressed a better adjust in the second regression and in a smaller variability of the residual errors. The residual error s median to MSS 1 was - 0,2869 and to MSS 2 was 0,0851. The model validity verification was executed with the application of the variance analysis (ANOVA) that showed in F test the values: MSS 1= 66,91 e MSS 2 = 116,99. As the values of Ftab (F 5%;3;60) is equal 2,76, it is noticed that the values of Fcalc is bigger than Ftab , (Fcalc > Ftab), to both analysis. Through the obtained results it is concluded that the employed methodology is valid to characterize the proposed targets and the model contribute to distinguish among them in the MSS image analysis. / A necessidade de identificar objetos no solo constituídos por diversificados tipos de materiais tornou-se um desafio aos pesquisadores na atividade de sensoriamento remoto. Esta situação alavancou novas pesquisas na área de desenvolvimento de sensores e estimulou o aprimoramento e criação de novas técnicas e ferramentas que auxiliem na caracterização dos alvos. Acompanhando esta necessidade foi desenvolvida esta pesquisa, com o objetivo de caracterizar alvos urbanos em imagens multiespectrais, por meio de estatística multivariada, apoiado em espectroradiometria de solo. Foi utilizado o Sensor MSS EPS-A 31T, o espectroradiômetro FieldSpec Pro FR e os softwares R 2.7© e ERDAS 8.7®. Foi realizado o sensoriamento em uma faixa contínua sobre a Universidade Federal de Santa Maria-RS em três horários distintos, as 12:00HBV (MSS1) e 16:00HBV (MSS2) do dia 17/12/2007 e as 09:00HBV (MSS3) do dia 27/12/2007. O sensor MSS foi operado na aeronave R-99B, no modo 31 canais no intervalo espectral entre 0,42μm a 12,5μm, com uma resolução espacial de 2,5m. Paralelo ao vôo foi efetuado a leitura da radiação refletida pelos alvos no solo com o espectroradiômetro que opera na faixa de 0,35μm a 2,5μm. Uma metodologia que se alia a fotointerpretação é a da estatística analítica, pois com a evolução tecnológica passou-se a associar fotografias aéreas pancromáticas e imagens multiespectrais. Os dados gerados na pesquisa foram transferidos e convertidos em matrizes de dados. Os valores digitais de MSS3 foram descartados do trabalho por incompatibilidade no tratamento. Inicialmente foi executada a análise de componentes principais identificando-se as três principais componentes (canais 7, 3 e 30 do sensor MSS), respondendo estas por 99,947% e 99,948% da variabilidade das variáveis originais para MSS1 e MSS2, respectivamente. A partir desta gerou-se uma imagem de alto contraste entre os materiais constituintes dos alvos propostos. Os intervalos de comprimento de onda da análise de componentes principais foram retomados para a estruturação de matrizes que permitissem uma análise de regressão. As principais componentes foram, então, relacionadas com as leituras efetuadas na espectroradiometria de solo, em seus referidos intervalos espectrais. Os coeficientes de regressão encontrados responderam respectivamente por 76,99% da variação da variável dependente em MSS1 e por 85,40% em MSS2. Estes percentuais traduziram-se em um melhor ajuste na segunda regressão e uma menor variabilidade dos erros residuais. A média dos erros residuais para MSS1 foi -0,2869, enquanto que em MSS2 foi -0,0851. A verificação da validade do modelo foi efetuada com a aplicação da análise de variância (ANOVA) que retratou no teste F os valores: MSS1= 66,91 e MSS2= 116,99. Como o valor do Ftab (F 5%;3;60) é igual a 2,76, percebe-se que o valor de Fcalc é maior que o valor do Ftab , (Fcalc > Ftab) para as duas análises. Pelos resultados alcançados conclui-se que a metodologia empregada é valida para a caracterização dos alvos propostos e o modelo contribui para a distinção entre estes na análise de imagens MSS.

A referida pesquisa tem como finalidade usar ferramentas de geotecnologias para mapear a distribuição espacial do campo térmico da cidade de Piracicaba, SP e comparar os diferentes tipos de superfícies urbanas. Foram feitas coletas de temperatura em 3 áreas distintas, em determinados horários, na estação do verão e inverno. Nesses pontos de coleta de temperatura foram criados polígonos circulares e por meio desses polígonos circulares foram retirados das imagens de alta resolução da videografia aérea multiespectral, utilizando a técnica de classificação supervisionada foram separados as porcentagens dos diferentes tipos das superfícies urbanas. Foram feitas comparações com imagens térmicas, e correlacionadas com pixels retirados do NDVI (Índice de Vegetação por Diferença Normalizada) das imagens multiespectrais da videografia aérea multiespectral, os resultados obtidos do R2=0,68. Outras comparações foram realizadas com as temperaturas coletadas e com cenas da banda 6 do Satélite Landsat 5. Para transformação das cenas, foi utilizado o algoritmo de transformação do software IDRISI 3.2. Foi possível obter mapas temáticos com valores da temperatura radiante da superfície urbana da cidade de Piracicaba. Os resultados obtidos pela comparação entre as classes de cobertura, copa de árvore e a temperatura foram satisfatórios obtendo-se um R2 de 0,56 para polígonos circulares de 50 metros, outros resultados como lago/lagoa o R2 foi 0,72 e para sombra 0,24. Com a evolução dos recursos de geotecnologia, sensoriamento remoto, sistema de informações geográficas, informações mais detalhadas serão obtidas do tecido urbano. / This research aims to use tools to map the geo-spatial distribution of thermal field in Piracicaba, SP, and compare the different types of urban surfaces. Samples were performed in temperature in 3 different areas, at certain times, in the summer season and winter. These collection points were set up temperature circular polygons and polygons through these circulars were derived from images of high resolution multispectral aerial videography, using the technique of supervised classification were separated from the percentages of different types of urban surfaces. Comparisons were made with thermal imaging and correlated with pixels taken from NDVI (Normalized Difference Vegetation Index) the multispectral images of multispectral aerial videography, the results of R2 = 0,68. Other comparisons were made with the temperatures collected and scenes of the band 6 of Landsat 5 (TM). For processing the scenes, we used the algorithm processing software IDRISI 3.2. It was possible to obtain thematic maps with radiant values temperature of the surface of the town of Piracicaba. The results obtained by comparing the classes of coverage, and canopy temperature were adequate to yield an R2 of 0,56 for circular polygons of 50 meters, other results such as lake/pond R2 was 0,72 and for shade 0,24. With the development of resources of geotechnology, remote sensing, geographic information system, more detailed information will be obtained from the urban fabric.

O uso de imagens provenientes de sensores remotos, tal como sistemas acoplados em aviões e satélites, é cada vez mais frequente, uma vez que permite o monitoramento continuo e periódico ao longo do tempo por meio de diversas observações de uma mesma região, por vezes ampla ou de difícil acesso. Essa ferramenta tem se mostrado importante e significativa em aplicações como o mapeamento de solo e fronteiras; acompanhamento de áreas de desmatamento, queimadas e de produção agrícola. Para gerar resultados interpretáveis ao usuário final, essas imagens devem ser processadas. Atualmente, o método de classificação por máxima verossimilhança é o mais empregado para classificação de imagens multiespectrais de sensores remotos, entretanto, por se tratar de uma técnica supervisionada, seus resultados dependem extensivamente da qualidade do conjunto de treinamento, utilizado para definir os parâmetros do método. A seleção de um bom conjunto de treinamento é um processo custoso e inviabiliza a automação da classificação para diversas imagens. O método de classificação por máxima verossimilhança é também paramétrico e portanto exitem algumas suposições quanto a distribuição dos dados que devem ser atendidas, caso contrário a aplicação do método pode gerar resultados ruins. Tendo em vista essas desvantagens do método da máxima verossimilhança, este trabalho propõe um novo método para a classificação de imagens multiespectrais provenientes de sensores remotos de forma que o procedimento seja autônomo, veloz e preciso, minimizando dessa forma os possíveis erros humanos inseridos em etapas intermediárias do processo, tal como a definição de conjuntos de treinamento. O método aqui proposto pertence ao conjunto das redes neurais artificiais (RNAs) e é denominado growing neural gas (GNG). Este método baseia-se no aprendizado não supervisionado de padrões \"naturais\" dentro de um conjunto de dados por meio da criação e adaptação de uma rede mínima de neurônios. Os resultados gerados a partir da classificação pela RNA foram comparados com os métodos mais utilizados na literatura atual, sendo eles o método da máxima verossimilhança e o método k-means. A partir da biblioteca espectral ASTER, mantida e criada parcialmente pela NASA, foram realizadas várias repetições do experimento, que consiste em classificar os dados de acordo com as diferentes classes existentes, e para cada uma destas repetições calculou-se uma medida de acurácia, denominada índice kappa, além do tempo de execução de cada método, de forma que suas médias foram comparadas via intervalo de confiança gerados por bootstrap não paramétrico. Também investigou-se como a análise de componentes principais (ACP), técnica utilizada para reduzir a dimensão dos dados e consequentemente o custo computacional, pode influenciar no desempenho dos métodos, tanto em sua qualidade de classificação quanto em relação ao tempo de execução. Os resultados mostram que o método proposto é superior nos dois aspectos estudados, acurácia e tempo de execução, para a maioria dos fatores aplicados. Mostra-se ainda um exemplo de aplicação prática em que uma imagem multiespectral de satélite não satisfaz as pré-suposições estabelecidas para o uso do método da máxima verossimilhança e verifica-se a diferença entre os métodos com relação a qualidade final da imagem classificada. / The use of images from remote sensors, such as coupled systems in airplanes and satellites, are increasingly being used because they allow continuous and periodic surveillance over time through several observations of some particular area, sometimes large or difficult to access. This sort of image has shown an important and meaningful participation in applications such as soil and borders mapping; surveillance of deforestation, forest fires and agricultural production areas. To generate interpretable results to the end user, these images must be processed. Currently, the maximum likelihood classification method is the most used for multispectral image classification of remote sensing, however, because it is a supervised technique, the results depend extensively on the quality of the training set, used to define the parameters of the method. Selecting a good training set is a costly process and prevents the automation of classification for different images. The maximum likelihood classification method is also parametric, and therefore, some assumptions about the distribution of the data must be met, otherwise the application of the method can generate bad results. In view of these disadvantages of the maximum likelihood method, this dissertation proposes a new, autonomous, fast and accurate method for multispectral remote sensing imagery classification thereby minimizing the possible human errors inserted at intermediate stages of the process, such as the definition of training sets. The method proposed here belongs to the set of artificial neural networks (ANN) and is called growing neural gas (GNG). This method is based on unsupervised learning of \"natural\" patterns in a dataset through the creation and adaptation of a minimum network of neurons. The results generated from the classification by ANN were compared with the most commonly used methods in the literature: the maximum likelihood method and the k-means method. From the spectral library Aster, maintained and made in part by NASA, several replications of the experiment were made, which is to classify the data according to different preestablished classes, and a measure of accuracy called kappa index was calculated for each of the replicates, in addition to the execution time of each method, so that their means were compared via confidence interval generated by nonparametric bootstrap. It was additionally investigated how principal component analysis (PCA), technique which reduces dimension of data and consequently the computational cost, can influence the performance of methods, both in its quality rating and runtime. The results show that the proposed method is superior in both aspects studied, accuracy and runtime, for the majority of applied factors. Furthermore, it is shown an example of a practical application in which a multispectral satellite image does not necessarily meet the established assumptions for using the maximum likelihood method, and there is a difference between the methods, regarding to its final classified image quality.