Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/314886
Type: DISSERTAÇÃO
Degree Level: Mestrado
Title: Avaliação de classificadores espectrais de imagens Landsat-TM em areas rurais densamente ocupadas : o caso da região de Brotas e Torrinha, São Paulo, Brasil
Author: Shimabukuro, Monica Takako
Advisor: Joly, Carlos Alfredo, 1955-
Abstract: Resumo: As atividades agrossilvipastoris na bacia do rio Jacaré Pepira, afluente do médio Tietê, tem provocado a destruição da maior parte dos ecossistemas originais. Estudos sobre a dinâmica dos remanescentes da vegetação são primordiais para a sua conservação, e envolvem obrigatoriamente o monitoramento espacial e temporal das mudanças da cobertura terrestre na região. Além dessa aplicação na gestão da biodiversidade, compreender a estrutura, a função e a evolução do uso das terras nas paisagens fornece subsídios fundamentais para o planejamento das atividades primárias e a avaliação das mudanças globais. Tais finalidades requerem ferramentas e métodos para produzir e interpretar dados diacrônicos e sincrônicos, como os oferecidos pelo sensoriamento remoto. Desde que as alterações antrópicas estão se processando com uma gravidade e velocidade bastante intensas é essencial que a aquisição de informações sobre os usos das terras, se tome cada vez mais automatizada e confiável. Esta dissertação teve como objetivo básico avaliar a aplicação de alguns classificadores espectrais de imagens Landsat- TM no levantamento da cobertura e uso das terras em uma área na bacia do rio Jacaré-Pepira, município de Brotas e Torrinha, São Paulo. Foram selecionados 6 tipos de algoritmos de classificação de imagens: isodata, distância mínima euclidiana simples e baseada em desvios padrões, distância mínima de Mahalanobis, máxima verossimilhança e paralelepípedo. Foi adotada uma amostragem aleatória sistemática não alinhada. Os dados de referência terrestres foram adquiridos a partir de 46 amostras de 600 x 600 m, assegurando um mínimo de 2.7% da área total de estudo. Para obter a exatidão dos dados, foram geradas matrizes de erro e calculados os coeficientes de exatidão global e individual (erros de comissão e omissão) e os coeficientes de concordância Kappa global e individual. Os resultados indicaram o desempenho diferencial dos classificadores, sendo o de máxima verossimilhança e o de distância mínima de Mahalanobis os que apresentaram os melhores resultados. Os processamentos das legendas temáticas com 13 e 9 classes, indicaram os eucaliptais, os corpos d'água e as pastagens como as classes que possuem os menores erros de comissão e maiores coeficientes de concordância Kappa, tendo como referência as imagens classificadas. Quanto aos erros de omissão, as classes canaviais, pastagens e eucaliptais, apresentaram os menores valores para as classificações envolvendo os algoritmos de máxima verossimilhança, distância mínima euclidiana e de Mahalanobis. Contudo, para o algoritmo de distância mínima euclidiana baseado em desvio padrão, a categoria eucaliptais apresentou um valor maior de erro em comparação a classe solo. Os algoritmos clássicos de classificação da cobertura terrestre, empregados neste trabalho, apresentaram um desempenho insatisfatório, o que provavelmente não atenderia a demanda de usuários finais dos produtos cartográficos. Como ainda não há procedimentos simples de classificação digital de imagens orbitais e cálculo de sua exatidão, com um desempenho ótimo para todas as classes ou para todas as áreas de uma região, esforços para aperfeiçoar e integrar as diferentes técnicas de classificação, deveriam ser desenvolvidos e documentados detalhadamente, em concomitância com análises de sua exatidão. Os testes comparativos entre as novas técnicas, tendo as variáveis controladas e a confiabilidade das informações garantida, são fundamentais para determinar precisamente os pontos de estrangulamento dos procedimentos de classificação dos usos das terras, padronizar os métodos e conseqüentemente subsidiar muitos projetos de gestão ambiental

Abstract: The agriculture, husbandry and forestry activities in Jacaré Pepira river basin, a branch of the middle Tietê river, in the State of São Paulo, in Southeastem Brazil, have brought about increasing environrnental impacts in many different natural resources. The mitigation of problems as physical resources contamination and exhaustion, biodiversity loss, climatic changes, etc., is complex and expensive. The different solutions for alI these problems, global change questions and agriculture management involve monitoring the spatial and temporal dynamic of land cover and use. This monitoring requires remote sensing tools and methods to produce and to interpret diachronic and synchronic data. Since these environrnental consequences of intensive agricultural production systems are serious and growing fast, it is essential that we get more and more automated and reliable land cover information by digital image processing systems. The aim of this work is to evaluate the application of some spectral classifiers of Landsat- TM images for the land cover and land use survey in Brotas and Torrinha Counties. The image classification algorithms selected were maximum likelihood, Euclidean minimum distance, minimum distance of Mahalanobis, ISOCLASS and paralIelepiped. This study area was chosen because of its great landscape diversity. A grid with 2124 cell of 600 by 600 m was overlaid on the image. The ground truth was checked in 46 of these points (600 by 600 m) to ensure a 2,7% minimal sampling of the whole study area. It was used a not-aligned systematic random sampling. By way of assessing the image classification accuracy, it was used the error matrix and calculated commission error, omission error and Kappa coefficient The results showa differential performance of' each classifier. Maximum likelihood and Mahalanobis distance shown the best results. The processing involving 13 and 9 land cover types indicated eucalyptus, water bodies and pasture like classes with minor commission error and major Kappa index of agreement. With regard to omission error, the sugar cane, pasture and eucalyptus shown the minor values to maximum likelihood, Euclidean minimum distance and Mahalanobis minimum distance classifiers. However, the eucalyptus showed major error value when compared with soil class in the Euclidean minimum distance algorithm based in standard deviation. The classical algorithms of digital classification, used in this work, showed unsatisfactory performance. They can not solve the problems of final users of cartographic products, as some others studies indicated. As there are not a unique procedure of classification and assessment of accuracy yet, with a good performance to alI classes and regions, the efforts to develop and integrate different techniques of classification and the accuracy analyses must be stimulated and documented in detail. The comparative tests between new techniques, with controlled variables and reliable land cover information, are fundamental to determine exactly the "bottlenecks" of classification procedures in complex land use, standardize methods and subsidize some environrnental management projects
Subject: Sensoriamento remoto - Classificação
Processamento de imagens - Técnicas digitais
Agrosilvicultura
Language: Português
Editor: [s.n.]
Citation: SHIMABUKURO, Monica Takako. Avaliação de classificadores espectrais de imagens Landsat-TM em areas rurais densamente ocupadas: o caso da região de Brotas e Torrinha, São Paulo, Brasil. 1996. 177f. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Biologia, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/314886>. Acesso em: 21 jul. 2018.
Date Issue: 1996
Appears in Collections:IB - Tese e Dissertação

Files in This Item:
File SizeFormat 
Shimabukuro_MonicaTakako_M.pdf23.27 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.