Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Estudos multitemporais de dados de sensoriamento remoto dedicam-se ao mapeamento temático de uso da terra em diferentes instâncias de tempo com o objetivo de identificar as mudanças ocorridas em uma região em determinado período. Em sua maioria, os trabalhos de classificação automática supervisionada de imagens de sensoriamento remoto não utilizam um modelo de transformação temporal no processo de classificação. Pesquisas realizadas na última década abriram um importante precedente ao comprovarem que a utilização de um modelo de conhecimento sobre a dinâmica da região (modelo de transformação temporal), baseado em Cadeias de Markov Fuzzy (CMF), possibilita resultados superiores aos produzidos pelos classificadores supervisionados monotemporais. Desta forma, o presente trabalho enfoca um dos aspectos desta abordagem pouco investigados: a combinação de CMF de intervalos de tempo curtos para classificar imagens de períodos longos. A área de estudo utilizada nos experimentos é um remanescente florestal situado no município de Londrina-PR e que abrange todo o limite do Parque Estadual Mata dos Godoy. Como dados de entrada, são utilizadas cinco imagens do satélite Landsat 5 TM com intervalo temporal de cinco anos. De uma forma geral, verificou-se, a partir dos resultados experimentais, que o uso das Cadeias de Markov Fuzzy contribuiu significativamente para a melhoria do desempenho do processo de classificação automática em imagens orbitais multitemporais, quando comparado com uma classificação monotemporal. Ainda, pôde-se observar que as classificações com base em matrizes estimadas para períodos curtos sempre apresentaram resultados superiores aos das classificações com base em matrizes estimadas para períodos longos. Também, que a superioridade da estimação direta frente à extrapolação se reduz com o aumento da distância temporal. Os resultados do presente trabalho poderão servir de motivação para a criação de sistemas automáticos de classificação de imagens multitemporais. O potencial de sua aplicação se justifica pela aceleração do processo de monitoramento do uso e cobertura da terra, considerando a melhoria obtida frente a classificações supervisionadas tradicionais.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Estudos multitemporais de dados de sensoriamento remoto dedicam-se ao mapeamento temático de uso da terra em diferentes instâncias de tempo com o objetivo de identificar as mudanças ocorridas em uma região em determinado período. Em sua maioria, os trabalhos de classificação automática supervisionada de imagens de sensoriamento remoto não utilizam um modelo de transformação temporal no processo de classificação. Pesquisas realizadas na última década abriram um importante precedente ao comprovarem que a utilização de um modelo de conhecimento sobre a dinâmica da região (modelo de transformação temporal), baseado em Cadeias de Markov Fuzzy (CMF), possibilita resultados superiores aos produzidos pelos classificadores supervisionados monotemporais. Desta forma, o presente trabalho enfoca um dos aspectos desta abordagem pouco investigados: a combinação de CMF de intervalos de tempo curtos para classificar imagens de períodos longos. A área de estudo utilizada nos experimentos é um remanescente florestal situado no município de Londrina-PR e que abrange todo o limite do Parque Estadual Mata dos Godoy. Como dados de entrada, são utilizadas cinco imagens do satélite Landsat 5 TM com intervalo temporal de cinco anos. De uma forma geral, verificou-se, a partir dos resultados experimentais, que o uso das Cadeias de Markov Fuzzy contribuiu significativamente para a melhoria do desempenho do processo de classificação automática em imagens orbitais multitemporais, quando comparado com uma classificação monotemporal. Ainda, pôde-se observar que as classificações com base em matrizes estimadas para períodos curtos sempre apresentaram resultados superiores aos das classificações com base em matrizes estimadas para períodos longos. Também, que a superioridade da estimação direta frente à extrapolação se reduz com o aumento da distância temporal. Os resultados do presente trabalho poderão servir de motivação para a criação de sistemas automáticos de classificação de imagens multitemporais. O potencial de sua aplicação se justifica pela aceleração do processo de monitoramento do uso e cobertura da terra, considerando a melhoria obtida frente a classificações supervisionadas tradicionais.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This study had as objective to do a multi-temporal analysis from Arroio Grande watershed area, located in Santa Maria, RS, to detect the forest covering changes, its localization and quantification, as well as, to monitor the deforestation and regeneration processes and its main determinant factors. Four satellite images were used: LANDSAT 5 (1987), LANDSAT 5 (1995), LANDSAT 7 (2002) and CBERS 2 (2005). The SPRING applicative was used to elaborate the cartography dada basis and to digitally process the images. The images were segmented with threshold 10 to similarity and 20 to area and classified with Bhattacharya algorithm in the following land uses: forest, field, exposed soil, agriculture, irrigated agriculture and water lamina. After the images classification, a thematic maps cross was done with LEGAL programming. As a result, maps with the following land uses were obtained: forest maintenance, regeneration and deforestation. For a period of 18 years, the forest covering increased 25,59% or 10,24% in the area, mainly in the hillside and in the plateaus, changing from 14.135,42 ha (40,01%) in 1987 to 17.752,20 ha (50,25%) in 2005. However, there is still a great deficit of riparian forest in plain (depression), mainly due to rice cultivation. The obtained results show the potential of Remote Sensing and Geoprocessing techniques in mapping the land use. They also can be used to support researches, territorial planning, economical development and environmental preservation in this region. With the data bank obtained, it will be possible to create models able to simulate the forest covering dynamic in the studied area. / Este trabalho teve como objetivo realizar uma análise multitemporal da área da microbacia do Arroio Grande, localizada em Santa Maria, RS, a fim de detectar mudanças na cobertura florestal, sua localização e quantificação, além de monitorar os processos de desmatamento e regeneração e seus principais fatores determinantes. Foram utilizadas quatro imagens de satélite: LANDSAT 5 (1987), LANDSAT 5 (1995), LANDSAT 7 (2002) e CBERS 2 (2005). Utilizou-se o aplicativo SPRING para a elaboração da base de dados cartográficos e do processamento digital das imagens. As imagens foram segmentadas com limiar de 10 para similaridade e 20 para área e classificadas com auxílio do algoritmo Bhattacharya nos seguintes usos da terra: floresta, campo, solo exposto, agricultura, agricultura irrigada e lâmina d água. Após a classificação das imagens, foi realizado o cruzamento dos mapas temáticos com ajuda da programação LEGAL. Como resultado, obtiveram-se mapas com os seguintes usos da terra: manutenção florestal, regeneração e desmatamento, ou seja, o que permaneceu inalterado de uma época para outra, o que regenerou e o que foi desmatado. Para um período de 18 anos, a cobertura florestal aumentou 25,59% ou 10,24% da área da microbacia, principalmente na encosta (rebordo) e no planalto, passando de 14.135,42 ha (40,01%) em 1987 para 17.752,20 ha (50,25%) em 2005. Porém, ainda há um déficit muito grande de mata ciliar na planície (depressão), principalmente devido ao cultivo de arroz. Os resultados obtidos mostram o potencial das técnicas de Sensoriamento Remoto e Geoprocessamento no mapeamento do uso da terra. Também servem para apoiar as mais diversas iniciativas de pesquisa, planejamento territorial, desenvolvimento econômico e preservação ambiental nesta região. Com o banco de dados gerado, será possível confeccionar modelos capazes de simular a dinâmica da cobertura florestal na área pesquisada.