VALIDAÇÃO DE USOS DO SOLO NO ENTORNO DE RESERVATÓRIOS NO SEMIÁRIDO ATRAVÉS DE CLASSIFICAÇÃO DE IMAGENS
DOI:
https://doi.org/10.1590/1983-21252021v34n319rcPalavras-chave:
Landsat 8. Hyperion. Índice de Kappa.Resumo
O trabalho avaliou o potencial de discriminação dos usos e ocupação do solo no entorno de reservatórios, mediante informações espectrais obtidas por imagens de satélites multiespectrais, hiperespectrais e imagens obtidas com uma ARP (aeronave remotamente pilotada). A pesquisa analisou o desempenho de diferentes técnicas de classificação de imagens aplicadas a sensores multiespectrais e hiperespectrais para detecção e diferenciação das classes do solo no entorno dos reservatórios Paus Brancos e Marengo, situados no Assentamento 25 de Maio. As classes identificadas com base em levantamentos em campanhas realizadas em 2014 e 2015 no entorno dos reservatórios foram: água, macrófitas, solo exposto, vegetação nativa, agricultura, vegetação rala e vazante, além dos alvos nuvem e sombra de nuvem. O desempenho dos classificadores aplicados à imagem do sensor Hyperion foi, em geral, superior aos obtidos em imagem Landsat 8, o que pode ser explicado pela alta resolução espectral do primeiro, que facilita a diferenciação de alvos com reposta espectral similar. Para validação do método de classificação supervisionada de Máxima Verossimilhança, utilizaram-se imagens Landsat 8 (24/08/2015) e Hyperion (28/08/2015). Os resultados da aplicação indicaram um bom desempenho do classificador associado à composição RGB da imagem Hyperion escolhida (bandas R – 51, G – 161, B – 19) na detecção das classes no entorno deste reservatório, produzindo um coeficiente Kappa de 0,83. A disponibilidade de dados do sensor Hyperion é bem restrita, o que dificulta o desenvolvimento de pesquisas continuadas, dessa forma a utilização de imagens obtidas por RPA mostra-se extremamente viável.
Downloads
Referências
BHARDWAJ, A. et al. A lake detection algorithm (LDA) using Landsat 8 data: A comparative approach in glacial environment. International Journal of Applied Earth Observation and Geoinformation, 38: 150-163, 2015.
BLANCO, P. D. et al. Ecological site classification of semiarid rangelands: Synergistic use of Landsat and Hyperion imagery. International Journal of Applied Earth Observation and Geoinformation, 29: 11-21, 2014.
COULTER, L. L. et al. Classification and assessment of land cover and land use change in southern ghana using dense stacks of landsat 7 etm+ imagery. Remote Sensing of Environment, 184: 396-409, 2016.
DUBE, T.; MUTANGA, O. Evaluating the utility of the medium-spatial resolution Landsat 8 multispectral sensor in quantifying aboveground biomass in uMgeni catchment, South Africa. ISPRS Journal of Photogrammetry and Remote Sensing, 101: 36-46, 2015.
EROS - Earth Resources Observation and Science. Geological Survey. Disponível em: <https://www.usgs.gov/centers/eros/data-tools>. Acesso em: 14 jan. 2015.
GALVÃO, L. S; FORMAGGIO, A. R; TISOT, D. A. Discriminação de variedades de cana-de-açúcar com dados hiperespectrais do sensor Hyperion/EO-1, Revista Brasileira de Cartografia, 1: 7-14, 2005.
GEORGE, R.; PADALIA, H.; KUSHWAHA, S. P. S. Forest tree species discrimination in western Himalaya using EO-1 Hyperion. International Journal of Applied Earth Observation and Geoinformation, 28: 140-149, 2014.
GILBERTSON, J. K.; KEMP, J.; NIEKERK VAN, A. Effect of pan-sharpening multi-temporal Landsat 8 imagery for crop type differentiation using different classification techniques. Computers and Electronics in Agriculture, 134: 151–159, 2017.
IBGE - Instituto Brasileiro de Geografia e Estatística. Mapas. Disponível em: <https://portaldemapas.ibge.gov.br/portal.php#homepage>. Acesso em: 23 fevereiro 2020.
IPECE - Instituto de Pesquisa e Estratégia Econômica do Ceará. Perfil básico municipal de Madalena. Fortaleza, 2009.
JAFARI, R.; LEWIS, M. M. Arid land characterisation with EO-1 Hyperion hyperspectral data. International Journal of Applied Earth Observation and Geoinformation, 19: 298–307, 2012.
LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, 33: 159-174, 1977.
LIMA NETO, I. E.; WIEGAND, M. C.; ARAÚJO, J. C. Sediment redis-tribution due to a dense reservoir network in a large semi-arid brazilian basin. Hydrological Sciences Journal–Journal des Sciences Hydrologiques, 56: 319-333, 2011.
MAMEDE, G. L. et al. Overspill avalanching in a dense reservoir network. Proceedings of the National Academy of Sciences, 109: 7191-7195, 2012.
MOUNTRAKIS, G.; JUNGHOIM, C. O. Support vector machines in remote sensing: a review. ISPRS Journal of Photogrammetry and Remote Sensing, 66: 247-259, 2011.
MUTANGA, O.; ADAM, E.; CHO, M. A. High density biomass estimation for wetland vegetation using WorldView-2 imagery and random forest regression algorithm. International Journal of Applied Earth Observation and Geoinformation, 18: 399-406, 2012.
PETROPOULOS, G. P.; ARVANITIS, K.; SIGRIMIS, N. Hyperion hyperspectral imagery analysis combined with machine learning classifiers for land use/cover mapping. Expert Systems with Applications, 39: 3800-3809, 2012.
RABE, A.; VAN DER LINDEN, S.; HOSTERT, P. (2014). imageSVM,Version 3.0, software de available. Disponível em: . Acesso em: 14 jan. 2016.
SAMSEEMOUNG, G. et al. Application of low altitude remote sensing (LARS) platform for monitoring crop growth and weed infestation in a soybean plantation. Precision Agriculture, 13: 611-627, 2012.
SCHRAMM, V. F.; VIBRANS, A. C. Uso de imagens hiperespectrais (EO-1 Hyperion) para detalhamento da detecção das formações florestais na bacia do Itajaí. Dynamis Revista Tecno-Cientifica, 13: 59-69, 2007.
TISOT, D. A.; FORMAGGIO, A. R.; RENNÓ, C. Eficácia de dados Hyperion/EO-1 para identificação de alvos agrícolas: Comparação com dados ETM+/LANDSAT-7. Engenharia Agrícola, 27: 511-519, 2007.
USGS - United States Geological Survey Usa. EarthExplorer. Disponível em: <http://landsat.usgs.gov/Landsat8_Using_Product.php>. Acesso em: 12 set. 2013.
VAN DER LINDEN, S. et al. Image SVM Classification, Manual for Application: imageSVM version 3.0, Humboldt-Universität zu Berlin, Germany, 2014.
XIE, Y. S.; WANG, J.-N.; SHANG, K. An improved approach based on Moment Matching to Destriping for Hyperion data. Procedia Environmental Sciences, 10: 319-324, 2011.
WHITE, J. C. et al. Characterizing temperate forest structural and spectral diversity with Hyperion EO-1 data. Remote Sensing of Environment, 114: 1576-589, 2010.
Downloads
Publicado
Edição
Seção
Licença
Os Autores que publicam na Revista Caatinga concordam com os seguintes termos:
a) Os Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons do tipo atribuição CC-BY, para todo o conteúdo do periódico, exceto onde estiver identificado, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista, sem fins comerciais.
b) Os Autores têm autorização para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Os Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
