Orientador: Jurandir Zullo Junior / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-05T08:07:53Z (GMT). No. of bitstreams: 1
Antunes_JoaoFranciscoGoncalves_M.pdf: 7524504 bytes, checksum: e36a3c933615dc4ef031bf119f6c09ff (MD5)
Previous issue date: 2005 / Resumo: A estimativa precisa com antecedência à época da colheita de áreas plantadas com culturas agrícolas, como a soja, é de fundamental importância para a economia brasileira. A previsão do escoamento e comercialização da produção agrícola é estratégica para o Brasil, pois estão diretamente relacionados com o planejamento, custos e preço. Com o recente avanço tecnológico na obtenção de dados por sensoriamento remoto orbital é possível melhorar a previsão de safras, diminuindo cada vez mais o nível de subjetividade. Embora designadas para fins meteorológicos, as imagens AVHRR-NOAA de elevada repetitividade temporal, têm sido utilizadas para o monitoramento agrícola. Porém, a sua baixa resolução espacial faz com que possa ocorrer a mistura espectral das classes de cobertura do solo dentro de um mesmo pixel e isso pode acarretar problemas de imprecisão na estimativa de área plantada de uma cultura agrícola. O objetivo principal do trabalho foi desenvolver uma metodologia de classificação automática com a aplicação de lógica fuzzy para o reconhecimento de padrões em imagens AVHRR-NOAA, utilizando índices de vegetação para estimar a área plantada de soja no nível sub-pixel. Para oito municípios produtores de soja da região oeste do Estado do Paraná, foi possível obter a estimativa de área no final de janeiro de 2004, com antecedência em relação à época da colheita, ao contrário dos levantamentos oficiais que se estendem até o final da safra, além de utilizarem dados subjetivos vindos do campo. As estimativas de área de soja baseadas em classificação fuzzy mostraram-se altamente correlacionadas com as estimativas de área de referência obtidas a partir da máscara de soja e por expansão direta, sendo um indicativo de boa precisão. E também apresentaram alta correlação, balizadas com as estimativas oficiais da SEAB/DERAL e do IBGE. Em ambas comparações, o nível de erro relativo geral foi aceitável. O sistema desenvolvido para processamento e geração de produtos das imagens AVHRR-NOAA mostrou-se uma ferramenta fundamental de infra-estrutura, por aliar automação e precisão a metodologia do trabalho / Abstract: An early accurate estimation of agricultural crop areas, such as soybean, is fundamental for the Brazilian economy. The draining forecast and the estimation of agricultural production commercialization are strategic to Brazil, since they are directly related to planning, costs and price. Recent technological progress of data acquisition from orbital remote sensing makes possible to improve harvest forecast, reducing more and more the level of subjectivity. Although designed for meteorological aims, the AVHRR-NOAA images of high temporal resolution, have been used for the crop monitoring. However, its low spatial resolution might cause the spectral mixture of the different land cover classes within the same pixel and it can lead to accuracy problems on crop area estimation. The main objective of the work was to develop an automatic classification methodology with the application of fuzzy logic for pattern recognition in AVHRR-NOAA images, using vegetation indices to estimate the soybean crop areas at sub-pixel level. For eight soybean producer counties in the West region of the Paraná State, it was possible to obtain the crop area estimation at the end of january 2004, prior to the harvest period, on the contrary of the official surveys that extend until the end of the harvest, besides using subjective data collected on the field. The soybean crop area estimation based on fuzzy classification showed to be highly correlated with the reference area estimation obtained from the soybean mask and by direct expansion, being an indicative of good accuracy. And also presented high correlation, marked out with the official estimations from SEAB/DERAL and IBGE. In both comparisons, the level of general relative error was acceptable. The system developed for processing and products generation of AVHRR-NOAA images had proved to be a fundamental infrastructure tool, due to its capacity to combine automation and accuracy to the work methodology / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestre em Engenharia Agrícola
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/257216 |
| Date | 09 January 2005 |
| Creators | Antunes, João Francisco Gonçalves, 1965- |
| Contributors | UNIVERSIDADE ESTADUAL DE CAMPINAS, Zullo Junior, Jurandir, 1963-, Assad, Eduardo Delgado, Lamparelli, Rubens Augusto Camargo, Rodrigues, Luiz Henrique Antunes |
| Publisher | [s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Agricola |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 91f. : il., application/pdf |
| Source | reponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0154 seconds