Nos centros urbanos, as precipitações sempre estiveram ligadas a problemas como inundações e propagação de doenças. Para solucioná-los, é comum a realização de obras hidráulicas nos sistemas de drenagem urbanos. Para tanto, deve-se conhecer as condições da bacia hidrográfica e as consequências que qualquer alteração no ambiente pode causar. Portanto, modelos hidrológicos são utilizados na previsão do comportamento das bacias frente a eventos de precipitação, aumentando a eficácia das obras e diminuindo os riscos associados a estas. Para o uso de modelos, são necessários diversos parâmetros hidrológicos referentes à bacia, tais como área de drenagem, comprimento e declividade dos talvegues, tipo de cobertura de solo etc. Com o avanço da tecnologia, a determinação destes torna-se cada vez mais precisa, bem como os modelos utilizados, trazendo o Sistema de Informações Geográficas (SIG) e o sensoriamento remoto como poderosas ferramentas de apoio a estudos hidrológicos. Neste trabalho, aplicou-se o processo de classificação automática supervisionada pelo método da Análise Orientada a Objeto a uma imagem de satélite de alta resolução da bacia hidrográfica do córrego do Gregório, para caracterizar sua cobertura de solo e determinar os parâmetros hidrológicos número de deflúvio (CN, pelo método do SCS), grau de vegetação (PP), área (A), comprimento (L) e declividades dos talvegues (S) das sub-bacias que compõem a bacia, para as quais os resultados obtidos foram bastante satisfatórios. Por fim, atualizou-se o modelo hidrológico EESC (1993), referente ao sistema de macrodrenagem de São Carlos, obtendo-se hidrogramas finais com diferenças, em relação ao modelo original, de até 33,96% para vazão de pico (Qp), 77,78% para tempo de pico (tp) e 29,86% para volume total de escoamento. / In urban centers, precipitation always been related to problems such as floods and spread of disease. To solve them, it is common to make hydraulic interventions in the urban drainage systems. For this, it is necessary to know the conditions of the watershed and the consequences that any change in the environment can cause. Therefore, hydrological models are used to predict the river behavior in opposite to precipitation events, increasing the efficiency of the hydraulic interventions and reducing the associated risks to these. For the use of models, it is necessary to have several hydrological parameters related to the basin such as drainage area, river length, slope of the thalweg, type of soil cover etc. Trough the technological advancement, the parameter determination becomes more accurate as well as the models, and the Geographic Information System (GIS) and remote sensing appear as powerful tools to support hydrological studies. In this study, we have applied the automatic supervised classification process by the Object-Oriented Analysis method to a high resolution satellite image of the córrego do Gregório watershed, to classify soil coverage and to determine the hydrological parameters curve-number (CN by the SCS method), vegetation degree (PP), area (A), length (L), and slope of thalwegs (S) of the sub-basins of the córrego do Gregório watershed, for which the results were quite satisfactory. Finally, a hydrological model for the São Carlos macrodrainage system called EESC model (1993) was updated with the new parameters, obtaining final hydrographs with differences from the original model up to 33.96% for peak discharge (Qp), 77.78% for peak time (tp) and 29.86% for total volume of runoff.

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.

Les séries temporelles d’images satellites (STIS) sont des données cruciales pour l’observation de la terre. Les séries temporelles actuelles sont soit des séries à haute résolution temporelle (Spot-Végétation, MODIS), soit des séries à haute résolution spatiale (Landsat). Dans les années à venir, les séries temporelles d’images satellites à hautes résolutions spatiale et temporelle vont être produites par le programme Sentinel de l’ESA. Afin de traiter efficacement ces immenses quantités de données qui vont être produites (par exemple, Sentinel-2 couvrira la surface de la terre tous les cinq jours, avec des résolutions spatiales allant de 10m à 60m et disposera de 13 bandes spectrales), de nouvelles méthodes ont besoin d’être développées. Cette thèse se focalise sur la comparaison des profils d’évolution radiométrique, et plus précisément la mesure de similarité « Dynamic Time Warping », qui constitue un outil permettant d’exploiter la structuration temporelle des séries d’images satellites. / Satellite Image Time Series are becoming increasingly available and will continue to do so in the coming years thanks to the launch of space missions, which aim at providing a coverage of the Earth every few days with high spatial resolution (ESA’s Sentinel program). In the case of optical imagery, it will be possible to produce land use and cover change maps with detailed nomenclatures. However, due to meteorological phenomena, such as clouds, these time series will become irregular in terms of temporal sampling. In order to consistently handle the huge amount of information that will be produced (for instance, Sentinel-2 will cover the entire Earth’s surface every five days, with 10m to 60m spatial resolution and 13 spectral bands), new methods have to be developed. This Ph.D. thesis focuses on the “Dynamic Time Warping” similarity measure, which is able to take the most of the temporal structure of the data, in order to provide an efficient and relevant analysis of the remotely observed phenomena.

Interactive classi&amp / #64257 / cation is an attractive alternative and complementary for automatic classi&amp / #64257 / cation of satellite image content, since the subject is visual and there are not yet powerful computational features corresponding to the sought visual features. In this study, we improve our previous attempt by building a more stable software system with better capabilities for interactive classi&amp / #64257 / cation of the content of satellite images. The system allows user to indicate a few number of image regions that contain a speci&amp / #64257 / c geographical object, for example, a bridge, and to retrieve similar objects on the same satellite images. Retrieval process is iterative in the sense that user guides the classi&amp / #64257 / cation procedure by interaction and visual observation of the results. The classi&amp / #64257 / cation procedure is based on one-class classi&amp / #64257 / cation.

Forest-cover in the tropics is changing rapidly due to indiscriminate removal of timber from many localities. The main focus of the study is to develop an operational tool for monitoring biomass and carbon pool of tropical forest ecosystems. The method was applied to a test site of Bangladesh. The research used Landsat ETM+, Landsat TM and IRS pan images of 2001, 1992 and 1999 respectively. Geometrically corrected Landsat ETM+ imagery was obtained from USGS and adjusted to the field using GPS. Historical images were corrected using image-to-image registration. Atmospheric correction was done by modified dark object subtraction method. Stratified sampling design based on the remote sensing image was applied for assessing the above-ground biomass and carbon content of the study area. Field sampling was done during 2002-2003. Dbh and height of all the trees inside the sample plots were measured. Field measurement was finally converted to carbon content using allometric relations. Three different methods: stratification, regression and k-nearest neighbors were tested for combining remote sensing image information and field-based terrestrial carbon pool. Additional field sampling was conducted during 2003-2004 for testing the accuracy. Finally regression method was selected. The amount of carbon released and sequestrated from the ecosystem was estimated. The application of the developed method would be quite useful for understating the terrestrial carbon dynamics and global climate change.

[pt] Os processos de transformação da paisagem são resultantes da interação de elementos (bióticos e abióticos) que compõe a superfície da Terra. Baseia-se, a partir de uma perspectiva holística, no inter-relacionamento de uma série de ações e objetos que confluem para que a paisagem seja percebida como um momento sintético da confluência de inúmeras temporalidades. Desta maneira, as geotecnologias passam a se constituir como um importante aparato técnico-científico para a interpretação desta realidade ao possibilitar novas e diferentes formas do ser humano interpretar a paisagem. Um dos produtos gerados a partir desta interpretação é a classificação de uso e cobertura do solo e que se configura como um instrumento central para a análise das dinâmicas territoriais. Desta maneira, o objetivo do presente trabalho é elaboração de um modelo de classificação semi-automática baseada em conhecimento geográfico para o levantamento do padrão de uso e cobertura da paisagem a partir da utilização de imagens de satélite de alta resolução, tendo como recorte analítico uma área na porção setentrional no Maciço da Tijuca. O modelo baseado na análise de imagens baseadas em objetos, quando confrontados com a classificação visual, culminou em um valor acima de 80 por cento de correspondência tanto para imagens de 2010 e 2009, apresentando valores bastante elevados também na comparação classe a classe. A elaboração do presente modelo contribuiu diretamente para a otimização da produção dos dados elaborados contribuindo sobremaneira para a aceleração da interpretação das imagens analisadas, assim como para a minimização de erros ocasionados pela subjetividade atrelada ao próprio classificador. / [en] The transformation processes of the landscape are results from the interaction of factors (biotic and abiotic) that makes up the Earth s surface. This interaction, from a holistic perspective, is then based on the inter-relationship of a series of actions and objects that converge so that landscape is perceived as a moment of confluence of numerous synthetic temporalities. Thus, the geotechnologies come to constitute an important technical and scientific apparatus for the interpretation of this reality by enabling new and different ways of interpreting the human landscape. One of the products that can be generated from this interpretation is the use classification and land cover and is configured as a central instrument for the analysis of territorial dynamics. Thus, the aim of this work is the development of a semi-automatic classification model based on geographic knowledge to survey the pattern of land use and cover the landscape from the use of satellite images of high resolution, with the analytical approach an area in the northern portion of the Tijuca Massif. The model built on an Object-Based Image Analysis, when confronted with the visual classification, culminated in a value above 80 percent match for 2010 and 2009, with very high values in the comparison class to class. The development of this model directly contributed to the optimization of the production of processed data contributing greatly to the acceleration of the interpretation of the images analyzed, as well as to minimize errors caused by the subjectivity linked to the classifier itself.

Les séries temporelles d'images satellitaires sont une source d'information importante pour le suivi des changements spatio-temporels des surfaces terrestres. En outre, le nombre d’images est en augmentation constante. Pour les exploiter pleinement, des outils dédiés au traitement automatique du contenu informationnel sont développés. Néanmoins ces techniques ne satisfont pas complètement les géographes qui exploitent pourtant, de plus en plus couramment, les données extraites des images dans leurs études afin de prédire le futur. Nous proposons dans cette thèse, une méthodologie générique à base d’un modèle de Markov caché pour l’analyse et la prédiction des changements sur une séquence d’images satellitaires. Cette méthodologie présente deux modules : un module de traitement intégrant les descripteurs et les algorithmes classiquement utilisés en interprétation d'images, et un module d’apprentissage basé sur les modèles de Markov cachés. La performance de notre approche est évaluée par des essais d’interprétations des évènements spatio-temporels effectués sur plusieurs sites d’études. Les résultats obtenus permettront d’analyser et de prédire les changements issus des différentes séries temporelles d’images SPOT et LANDSAT pour l’observation des évènements spatio-temporels telle que l'expansion urbaine et la déforestation. / The time series of satellite images are an important source of information for monitoring spatiotemporal changes of land surfaces. Furthermore, the number of satellite images is increasing constantly, for taking full advantage, tools dedicated to the automatic processing of information content is developed. However these techniques do not completely satisfy the geographers who exploit more currently, the data extracted from the images in their studies to predict the future. In this research we propose a generic methodology based on a hidden Markov model for analyzing and predicting changes in a sequence of satellite images. The methodology that is proposed presents two modules : a processing module which incorporating descriptors and algorithms conventionally used in image interpretation and a learning module based on hidden Markov models. The performance of the approach is evaluated by trials of interpretation of spatiotemporal events conducted in several study sites. Results obtained allow us to analyze and to predict changes from various time series of SPOT and LANDSAT images for observation of spatiotemporal events such as urban development and deforestation.

Submitted by Cláudia Bueno (claudiamoura18@gmail.com) on 2016-06-02T17:11:39Z No. of bitstreams: 2 Dissertação - Déborah Lídya Alves Sales - 2016.pdf: 2080595 bytes, checksum: 8e8ea7a4a6459b955d318cfa8219c08a (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-06-03T12:18:31Z (GMT) No. of bitstreams: 2 Dissertação - Déborah Lídya Alves Sales - 2016.pdf: 2080595 bytes, checksum: 8e8ea7a4a6459b955d318cfa8219c08a (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2016-06-03T12:18:31Z (GMT). No. of bitstreams: 2 Dissertação - Déborah Lídya Alves Sales - 2016.pdf: 2080595 bytes, checksum: 8e8ea7a4a6459b955d318cfa8219c08a (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2016-03-02 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The production of industrial tomato has stood out in the Brazilian agribusiness scenario. In the Cerrado region, production occurs in the dry season (May to October), in large irrigated areas, mainly by central pivot (irrigation system accounts for about 90% of the industrial tomato production area). Although the production is considered hi-tech, the sector is still very lacking in technical and scientific information to assist the crop reaches potential productivity and quality in the region. Proof of this is the low average yield obtained (80 t/ha) compared to major producing regions in the world (Spain, United States, mainly), which feature double that productivity. One of the required information is the water requirement of tomato hybrids on local growing conditions. The refinement of this information can contribute to a better design of irrigation projects, as well as better water management throughout the cycle, and the better management of water resources. However, traditional methods of research, in this area, require the use of evapotranspirometers, which are expensive and require occasional and data acquisition systems, which complicates their use. More, remote sensing techniques have been applied effectively, already tested in other regions and have been quite promising. This study aimed to estimate the current crop evapotranspiration (ET) two tomato hybrid for industrial processing, N901 and H1308, and their respective crop coefficients (Kc) by the energy balance model SAFER (Simple Algorithm for Evapotranspiration Retrieving) is using images from Landsat 8 OLI / TIRS in orbit 221/72 and 222/71, and compared to traditional micrometeorological method using reference evapotranspiration (ETo Penman-Monteith), with Kcs recommended by FAO 56 and Embrapa. The study was conducted at Fazenda head of Piracanjuba in the municipality of Silvânia-GO, in the period from May to August 2015, in clay soil with conventional tillage. In addition, the leaf water potential (weekly) and the water content in the soil water balance by the dynamic site was monitored. The water potential in leaf and soil moisture show that no water deficit throughout the 122-day cycle. The results showed also that the culture accumulated total evapotranspiration of 351.97, 340.97 and 356.24 mm, by FAO 56, EMBRAPA and SAFER methods, respectively. The Kcs estimated by SAFER method showed a significant correlation with the methods FAO 56 and Embrapa (FAO 56, R ² = 0.98; Embrapa, R² = 0.95).A ETa estimated by SAFER method showed a significant correlation with micrometeorological methods (FAO 56, R2 = 0.97 and EMBRAPA, R2 = 0.97). Therefore, Safer can be used to estimate the tomato ETa in the Cerrado region. / A produção de tomate industrial vem se destacando no cenário agroindustrial brasileiro. Na região do Cerrado, a produção ocorre no período seco do ano (maio a outubro), em grandes áreas irrigadas, principalmente por pivô central (sistema de irrigação responsável por cerca de 90% da área de produção de tomate industrial). Apesar da produção ser considerada tecnificada, o setor ainda é muito carente de informações técnico-científicas que auxiliem a cultura atingir o potencial de produtividade e qualidade na região. A prova disso é a baixa produtividade média atual (80 t/ha) em comparação a importantes regiões produtoras no mundo (Espanha e Estados Unidos, principalmente), que apresentam o dobro desta produtividade. Uma das informações fundamentais é a necessidade hídrica dos híbridos de tomateiro nas condições locais de cultivo. O refinamento desta informação pode auxiliar no melhor dimensionamento de projetos de irrigação, assim como no melhor manejo da água ao longo do ciclo, e pela melhor gestão dos recursos hídricos. Entretanto, os métodos tradicionais de pesquisa nesta área requerem o uso de evapotranspirômetros que são onerosos e pontuais e necessitam de sistemas de aquisição de dados, o que dificulta sua utilização. Mas, técnicas de sensoriamento remoto vêm sendo aplicadas com eficiência, já testadas em outras regiões e tem se mostrado bem promissoras. Assim, este estudo teve o objetivo de estimar a evapotranspiração atual da cultura (ETa) de dois híbridos de tomateiro para o processamento industrial, N901 e H1308, e os seus respectivos coeficientes de cultura (Kc) pelo modelo de balanço de energia SAFER (Simple Algorithm for Evapotranspiration Retrieving) utilizando imagens do satélite Landsat 8 OLI/TIRS, na órbita 221/72 e 222/71, e comparação com tradicional método micrometeorológico utilizando evapotranspiração de referência (ETo Penman-Monteith), com os Kcs recomendados pela FAO 56 e EMBRAPA. O estudo foi realizado na Fazenda cabeceira do Piracanjuba, no município de Silvânia-GO, no período de maio a agosto de 2015, em solo argiloso com preparo convencional. Além disso, foi monitorado o potencial de água na folha (semanalmente) e o conteúdo de água no solo pelo balanço hídrico dinâmico local. O potencial de água na folha e a umidade do solo revelaram que não ocorreu déficit hídrico ao longo do ciclo de 122 dias. Os resultados mostraram, ainda, que a cultura acumulou uma evapotranspiração total de 351,97, 340,97 e 356,26 mm pelos métodos FAO 56, EMBRAPA e SAFER, respectivamente. Os Kcs estimado pelo método do SAFER apresentou significante correlação com os métodos FAO 56 e Embrapa (FAO 56, R² = 0,98; Embrapa, R² = 0,95). A ETa estimada pelo método do SAFER apresentou significante correlação com os métodos micrometeorológicos (FAO 56, R2 = 0,97; Embrapa, R2 = 0,97), podendo este ser utilizado para estimativa da ETa do tomateiro na região.

Nos centros urbanos, as precipitações sempre estiveram ligadas a problemas como inundações e propagação de doenças. Para solucioná-los, é comum a realização de obras hidráulicas nos sistemas de drenagem urbanos. Para tanto, deve-se conhecer as condições da bacia hidrográfica e as consequências que qualquer alteração no ambiente pode causar. Portanto, modelos hidrológicos são utilizados na previsão do comportamento das bacias frente a eventos de precipitação, aumentando a eficácia das obras e diminuindo os riscos associados a estas. Para o uso de modelos, são necessários diversos parâmetros hidrológicos referentes à bacia, tais como área de drenagem, comprimento e declividade dos talvegues, tipo de cobertura de solo etc. Com o avanço da tecnologia, a determinação destes torna-se cada vez mais precisa, bem como os modelos utilizados, trazendo o Sistema de Informações Geográficas (SIG) e o sensoriamento remoto como poderosas ferramentas de apoio a estudos hidrológicos. Neste trabalho, aplicou-se o processo de classificação automática supervisionada pelo método da Análise Orientada a Objeto a uma imagem de satélite de alta resolução da bacia hidrográfica do córrego do Gregório, para caracterizar sua cobertura de solo e determinar os parâmetros hidrológicos número de deflúvio (CN, pelo método do SCS), grau de vegetação (PP), área (A), comprimento (L) e declividades dos talvegues (S) das sub-bacias que compõem a bacia, para as quais os resultados obtidos foram bastante satisfatórios. Por fim, atualizou-se o modelo hidrológico EESC (1993), referente ao sistema de macrodrenagem de São Carlos, obtendo-se hidrogramas finais com diferenças, em relação ao modelo original, de até 33,96% para vazão de pico (Qp), 77,78% para tempo de pico (tp) e 29,86% para volume total de escoamento. / In urban centers, precipitation always been related to problems such as floods and spread of disease. To solve them, it is common to make hydraulic interventions in the urban drainage systems. For this, it is necessary to know the conditions of the watershed and the consequences that any change in the environment can cause. Therefore, hydrological models are used to predict the river behavior in opposite to precipitation events, increasing the efficiency of the hydraulic interventions and reducing the associated risks to these. For the use of models, it is necessary to have several hydrological parameters related to the basin such as drainage area, river length, slope of the thalweg, type of soil cover etc. Trough the technological advancement, the parameter determination becomes more accurate as well as the models, and the Geographic Information System (GIS) and remote sensing appear as powerful tools to support hydrological studies. In this study, we have applied the automatic supervised classification process by the Object-Oriented Analysis method to a high resolution satellite image of the córrego do Gregório watershed, to classify soil coverage and to determine the hydrological parameters curve-number (CN by the SCS method), vegetation degree (PP), area (A), length (L), and slope of thalwegs (S) of the sub-basins of the córrego do Gregório watershed, for which the results were quite satisfactory. Finally, a hydrological model for the São Carlos macrodrainage system called EESC model (1993) was updated with the new parameters, obtaining final hydrographs with differences from the original model up to 33.96% for peak discharge (Qp), 77.78% for peak time (tp) and 29.86% for total volume of runoff.

[pt] O presente trabalho apresenta a modelagem de conhecimento multitemporal para a classificação automática de cobertura do solo para imagens de satélite. O procedimento de classificação agrega os conhecimentos espectral e multitemporal utilizando conjuntos nebulosos e suas pertinências de classe como informação prévia. O método se baseia no conceito de Redes de Markov Nebulosas, um sistema com um conjunto de estados que a cada instante de tempo troca o estado corrente de acordo com possibilidades associadas a cada um. No caso deste trabalho cada estado representa uma classe, e as possibilidades são estimadas automaticamente a partir de dados históricos de uma mesma região geográfica, empregando algoritmos genéticos. A avaliação experimental utilizou um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em cinco datas separadas por aproximadamente quatro anos. Os resultados indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz um significante aumento da eficiência de classificação em comparação à classificação puramente espectral, além de flexibilizar o procedimento de classificação no que diz respeito aos dados necessários para o treinamento do modelo. / [en] This work presents a multitemporal knowledge model for automatic classification of remotely sensed images. The model combines multitemporal and spectral knowledge within a fuzzy framework. This method is based on Fuzzy Markov Chains, a system having a set of states that, at each time, change the current state according to the fuzzy possibilities associated to each one. In this work each state represents one class, and the possibilities are automatically estimated based on historical data by using genetic algorithms. The experimental evaluation was carried through for a set of Landsat-5 TM images of the Rio de Janeiro State, Brazil, acquired at five dates separated by approximately four years. Results indicate that the use of multitemporal knowledge as modeled by the proposed method brings an expressive improvement in efficiency to the classification, when compared to the pure spectral classifier. Besides it, adds flexibility to the classification procedure, concerning to necessary data used for model training.