%0 Thesis
%4 sid.inpe.br/mtc-m18@80/2009/05.12.17.08
%2 sid.inpe.br/mtc-m18@80/2009/05.12.17.08.40
%T Classificação espectro-temporal de imagens orbitais para o mapeamento da colheita da cana-de-açúcar com queima da palha
%J Spectral-temporal classification of orbital images to map sugarcane with pre-harvest straw burning
%D 2009
%8 2009-05-22
%9 Dissertação (Mestrado em Sensoriamento Remoto)
%P 130
%A Mello, Márcio Pupin de,
%E Formaggio, Antonio Roberto (presidente),
%E Rudorff, Bernardo Friedrich Theodor (orientador),
%E Vieira, Carlos Antonio Oliveira (orientador),
%E Rennó, Camila Daleles,
%E Batista, Getúlio Teixeira,
%I Instituto Nacional de Pesquisas Espaciais
%C São José dos Campos
%K classificação automática, sensoriamento remoto, cana-de-açúcar, queima da palha, automatic classification, remote sensing, sugarcane, straw burning.
%X Visando antecipar a extinção da queima da palha da cana-de-açúcar na etapa de pré-colheita de 2021 para 2014, a Secretaria do Meio Ambiente do Estado de São Paulo (SMA-SP) e a União da Indústria de Cana-de-Açúcar (UNICA) assinaram, em junho de 2007, um protocolo de intenções. Dessa forma, o monitoramento das lavouras de cana-de-açúcar com e sem a prática da queima da palha torna-se importante para avaliar a eficácia do protocolo. O Instituto Nacional de Pesquisas Espaciais (INPE), em parceria com a SMA-SP e a ÚNICA, vêm monitorando desde 2006, através de imagens de satélites de média resolução espacial (Landsat e CBERS), a colheita da cana-de-açúcar no Estado de São Paulo. Entretanto, o processo atual de mapeamento é fortemente apoiado na interpretação visual, que fornece resultados precisos, mas demanda um tempo razoavelmente grande considerando a extensão do cultivo da cana no Estado. Nesse contexto, o presente trabalho teve como objetivo avaliar o uso de classificações espectro-temporais de imagens orbitais para mapear áreas de colheita da cana-de-açúcar, com e sem queima da palha. Ao todo foram avaliadas sete classificações, sendo: quatro diferentes variantes do método de superfícies de resposta espectro-temporal (STRS: Spectral-Temporal Response Surface); uma classificação utilizando um Modelo Linear de Mistura Espectral (MLME); uma classificação multitemporal com base nas bandas espectrais de todas as imagens da série temporal; e por último, uma classificação de única data, baseada na última imagem da série temporal. Os resultados mostraram que as classificações STRS, a classificação baseada no MLME, assim como a classificação multitemporal utilizando as bandas espectrais de todas as imagens da série temporal, foram eficientes em mapear com precisão as áreas de colheita de cana-de-açúcar, obtendo, em geral, valores de Exatidão Global (EG) acima de 90%. Já a classificação de única data, com EG menor que 70%, apenas corroborou com a literatura, reafirmando a necessidade da utilização de técnicas multitemporais quando de aplicações em monitoramento agrícola. De maneira geral, os resultados mostraram que é possível utilizar métodos de classificação automática de imagens multitemporais para identificar áreas de colheita da cana-de-açúcar, com e sem queima da palha e, assim, automatizar grande parte do processo de interpretação visual. ABSTRACT: In order to reduce the time established by law to cease the pre-harvest burning of sugarcane from 2021 to 2014, the Environmental Secretary of São Paulo State (SMA-SP) and the Sugarcane Industry Association (UNICA) signed, in June 2007, an Agro-Environmental protocol of intentions. Therefore, the monitoring of the sugarcane crop, with and without the practice of pre-harvest straw burning, becomes important to assess the effectiveness of the protocol. The National Institute for Space Research (INPE), in partnership with SMA-SP and UNICA, are monitoring the sugarcane harvest procedure in São Paulo State since 2006 using remote sensing images of medium spatial resolution (Landsat and CBERS). The current mapping process is strongly supported by visual interpretation, which provides accurate results, but demands a large amount of time, considering the extension of the cultivated sugarcane area in São Paulo State. In this context, this study has the objective to evaluate the use of spectral-temporal classifications of satellite images to map sugarcane fields with and without pre-harvest straw burning. Seven classification procedures were evaluated: four classifications with different methods of the Spectral-Temporal Response Surface (STRS); one classification with the Linear Spectral Mixture Model (MLME); one classification with the entire time series of Landsat images; and one single date classification with the last image of the time series. The results showed that the STRS classifications, the MLME classification, and the entire time series of Landsat images classification are all effective to precisely map sugarcane fields with and without pre-harvest straw burning, providing, in general, overall indexes greater than 90%. The single date classification showed an overall index less than 70% which was not satisfactory, corroborating with the fact that multitemporal images are paramount for agriculture monitoring applications. Finally, results showed that it is possible to use automated image classification procedures to identify sugarcane harvested fields with and without pre-harvest straw burning and, therefore, substitute great part of the visual interpretation process.
%@language pt
%3 publicacao.pdf