Mapeamento da cultura cafeeira por meio de classificação automática utilizando atributos espectrais, texturais e fator de iluminação

Rennan de Freitas Bezerra Marujo, Maurício Alves Moreira, Margarete Marin Lordelo Volpato, Helena Maria Ramos Alves

Resumo


O café, importante produto nas exportações brasileiras, necessita de constante monitoramento para que os sistemas de previsão de safras existentes sejam confiáveis. Imagens orbitais de média resolução espacial são ferramentas com grande potencial para mapeamento do uso do solo e identificação de culturas agrícolas. Nesta pesquisa, visando o mapeamento de áreas cafeeiras, avaliou-se o desempenho da classificação baseada em objetos, associada a técnicas de mineração de dados, aplicada em imagens OLI/Landsat-8. Foram feitas três classificações automáticas, a primeira constando exclusivamente atributos espectrais, a segunda acrescentando atributos texturais e a terceira, incluindo também classes de iluminação do terreno. Foram utilizadas seis imagens multiespectrais, datadas de três diferentes estádios fenológicos da cultura: frutificação, granação e repouso. A validação das classificações foi feita por meio do Método de Monte Carlo utilizando como referência mapas visualmente interpretados. As classificações feitas exclusivamente com atributos espectrais resultaram, para a classe café, exatidão média de 57%. Não houve estádio fenológico que proporcionasse maior exatidão à classe café, entretanto ao incluir os atributos texturais, a exatidão da classe café melhorou para 76%. Assim, observa-se que atributos texturais mostraram-se importantes para detecção automática de áreas cafeeiras.

Palavras-chave


Sensoriamento remoto; SRTM; Landsat-8

Texto completo:

PDF

Referências


ANDRADE, L. N. et al. Aplicação de redes neurais artificiais na classificação de áreas cafeeiras em Machado-MG. Coffee Science, Lavras, v. 8, n. 1, p. 78-90, 2012.

BAATZ, M. SCHAPE, A. Multiresolution segmentation: na optimization approach for high quality multi-scale image segmentation. Angewandte geographische Informationsverarbeitung, Wichmann-Verlag, v. 12, p. 12-23, 2000.

CAMARGO, A. Florescimento e frutificação de café arábica nas diferentes regiões (cafeeiras) do brasil. Pesquisa Agropecuaria Brasileira, v. 20, n. 7, p. 831–839, 1985.

CAMARGO, Â. P.; CAMARGO, M. B. P. Definição e Esquematização das Fases Fenológicas do Cafeeiro Arábica nas Condições Tropicais do Brasil. Bragantia, v. 60, n. 1, p. 65–68, 2001. ISSN 00068705. 5, 6, 7, 37.

COMPANHIA NACIONAL DE ABASTECIMENTO (CONAB). Levantamento Café Safra 2015. Brasília: CONAB, 2015. 43 p. ISSN 2318-7913. Disponível em: . Acesso em 16 dez. 2015.

CORDERO-SANCHO, S.; SADER, S. A. Spectral analysis and classification accuracy of coffee crops using landsat and a topographic-environmental model. International Journal of Remote Sensing., Taylor & Francis, Inc., Bristol, PA, USA, v. 28, n. 7, p. 1577–1593, jan. 2007. ISSN 0143-1161.

DELGADO, R. C. et al. Evolução espaço-temporal do café no estado de Minas Gerais por meio do classificador de árvore de decisão. Enciclopédia biosfera, v.8, n.15, p. 904-913, 2012.

ENVI. ENVI User ’s Guide. 2004. 1–1150 p. Disponível em: < http://aviris.gl.fcen.uba.ar/Curso_SR/biblio_sr/ENVI_userguid.pdf>. Acesso: 16 dez. 2015.

HALL, M.; FRANK, E.; HOLMES, G.; PFAHRINGER, B.; REUTEMANN, P.; WITTEN, I. H. The WEKA data mining software. ACM SIGKDD Explorations Newsletter, v. 11, n. 1, p. 10, 2009. ISSN 19310145.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Divisão Regional do Brasil em mesorregiões e microrregiões geográficas. Rio de Janeiro: IBGE, 1990. 135 p. Cidades. Rio de Janeiro: IBGE, 2014. Disponível em: . Acesso: 16 dez. 2015.

LANDAU, D. P.; BINDER, K. A guide to Monte-Carlo similations in statistical physics. 3 Ed. 2009. 500 p. ISBN 9780521768481.

LAMPARELLI, R. A. C.; NERY, L.; ROCHA, J. V. Utilização de técnicas por componentes principais (ACP) e fator de iluminação, no mapeamento da cultura do café em relevo montanhoso. Engenharia Agrícola, v. 31, n. 3, p. 584–597, 2011.

LUZ, N. B. da; ANTUNES, A. F. B.; JÚNIOR, J. B. T. Segmentação Multirresolução E Classificação Orientada a Objetos Aplicados a Imagens Spot-5 Para O Mapeamento Do Uso Da Terra. Floresta, v. 40, n. 2, p. 429–446, 2010. ISSN 1982-4688.

MEYER, P.; et al. Radiometric corrections of topographically induced effects on Landsat TM data in an alpine environment. ISPRS Journal of Photogrammetry and Remote Sensing, v. 48, n. 4, p. 17–28, 1993. ISSN 09242716.

MOREIRA, M. A.; ADAMI, M.; RURDORFF, B. F. T. Análise espectral e temporal da cultura do café em imagens Landsat. Pesquisa Agropecuária Brasileira, v. 39, n. 3, p. 223–231, 2004.

MOREIRA, M. A.; BARROS, M. A.; ROSA, V. G. C.; ADAMI, M. Tecnologia de informação: imagens de satélite para o mapeamento de áreas de café de Minas Gerais. Informe Agropecuário, v. 28, n. 241, p. 27-37, 2007.

MOREIRA, M. A.; BARROS, M. A.; RUDORFF, B. F. T. Geotecnologias no mapeamento da cultura do café em escala municipal. Sociedade e Natureza (Online), v. 20, n. 1, p. 101–110, 2008. Disponível em: . Acesso: 16 dez. 2015.

MOREIRA, M. A. Fundamentos do Sensoriamento Remoto e Metodologias de Aplicação. 4. ed. Universidade Federal de Viçosa, 2014. ISBN 9788572693813.

RAMALHO, J. C.; et al. Sustained photosynthetic performance of Coffea spp. under long-term enhanced [CO2]. PLoS ONE, v. 8, n. 12, p. 1–19, 2013. ISSN 19326203.

SANTOS, J. A. dos; GOSSELIN, P. H.; PHILIPP-FOLIGUET, S.; TORRES, R. da S.; FALCÃO, A. X. Multiscale classification of remote sensing images. IEEE T. Geoscience and Remote Sensing, v. 50, n. 10, p. 3764–3775, 2012.

SARMIENTO, C. M.et al. Comparação de classificadores supervisionados na discriminação de áreas cafeeiras em campos gerais – Minas Gerais. Coffee Science, v. 9, n. 4, p. 546–557, 2014.

SILVA Junior, C.; FRANK, T.; RODRIGUES, T. Discriminação de áreas de soja por meio de imagens EVI/MODIS e análise baseada em geo-objeto. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 18, n. 1, p. 44–53, 2014. ISSN 14154366.

SONG, C.; WOODCOCK, C.E.; SETO, K.C.; PAX-LENNEY, M..; MACOMBER, S.A. Classification and change detection using Landsat TM data: when and how to correct atmospheric effects?. Remote Sensing of Environment, v. 75, p. 230-244, 2001.

SOUZA, V. C. O. et al. Espacialização e dinâmica da cafeicultura mineira entre 1990 e 2008, utilizando técnicas de geoprocessamento. Coffe Science, Lavras v. 7, n. 2, p. 122-134, 2012.

VALERIANO, M. D. M. Cálculo do fator topográfico de iluminação solar para modelagem ecofisiológica a partir do processamento de Modelos Digitais de Elevação (MDE). In: Anais XV Simpósio Brasileiro de Sensoriamento Remoto. Curitiba: 2011. p. 5933–5940.

VIEIRA, T. G. C. et al. Geothecnologies in the assessment of land use changes in coffee regions of the state of Minas Gerais in Brazil. Coffee Science, Lavras, v. 2, n. 2, p. 142-149, 2006.

VIEIRA, T. G. C. et al. Crop parameters and spectral response of coffee (Coffea arabica L.) areas within the state of Minas Gerais, Brazil. Coffee Science, Lavras, v. 1, n. 2, p. 111-118, 2007.

VIEIRA, M. A.; FORMAGGIO, A. R.; RENNÓ,C. D.; ATZBERGER, C.; AGUIAR, D. A.; MELLO, series to map sugarcane over large areas. Remote Sensing of Environment, v. 123, p.553−562, 2012.ISSN0034 − 4257.


Apontamentos

  • Não há apontamentos.