Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1065409
Título: Análise de imagens orientada a objetos e amostragem estatística no monitoramento de cana-de-açúcar, milho e soja no estado de São Paulo.
Autoria: SCHULTZ, B.
Afiliação: Bruno Schultz, INPE.
Ano de publicação: 2016
Referência: 2016
Páginas: 244 p.
Conteúdo: Resumo: A superfície do estado de São Paulo é recoberta por diversos tipos de usos e coberturas da terra, distribuídos em diferentes porções geográficas. Entre esses usos, a cana-de-açúcar, o milho e a soja ocupam a maior parte das áreas agrícolas do estado. Apesar de essas culturas possuírem grande importância para o cenário agrícola, elas ainda não são monitoradas sistematicamente em tempo quase-real. Como os dados de estimativas agrícolas possuem grande importância nas tomadas de decisão, a presente pesquisa teve como meta avaliar a possibilidade de se obter o valor de área ocupada pelas culturas de cana-de-açúcar, milho e soja no estado de São Paulo, em tempo-quase real (período bi-mensal), utilizando sensoriamento remoto (SR), classificação visual e automática de imagens multitemporais OLI. Três diferentes áreas-teste foram avaliadas: o Estado de São Paulo (A1), o município de Cândido Mota/SP (A2) e 15 municípios contínuos e localizados no extremo Sul de São Paulo (A3). Os objetivos específicos de cada área teste foram: (A1) informar o valor da área ocupada com cana-de-açúcar, milho e soja para o estado de São Paulo, em períodos de dois meses do ano safra 2014/2015; (A2) validar informações de campo, desenvolver um protocolo de classificação visual e avalia-lo; e (A3) avaliar o desempenho da classificação automática. Para A1, 5.000 pixels aleatórios foram estratificados em cada mesorregião do estado, em cada período P1 (Nov/Dez), P2 (Jan/Fev), P3 (Mar/Abr) e P4 (Mai/Jun) do ano safra e classificados em laboratório, utilizando protocolo de classificação visual. Além disso, um banco de dados composto por 432 imagens multitemporais OLI foi montado e dividido em 24 mosaicos (n), salvos em composição colorida R-b5 G-b6 B-b4. Cada imagem do mosaico (composto por 18 cenas) foi padronizada através de um algoritmo nominado Aparência Equalizada (ApEq). A ApEq foi executada para que não ocorressem grandes alterações na cor resultante dos alvos pseudo-invariantes presentes nas diferentes imagens dos mosaicos. A análise visual dos resultados da ApEq foi discutida sobre o mosaico de nº 13. Em A2, 200 pixels OLI foram sorteados sobre o município de Cândido Mota/SP e validados em campo no período de 13 a 17 de abril/2015. Informações sobre as áreas ocupadas com cana-de-açúcar, milho e soja foram coletadas, e posteriormente utilizadas para avaliar o protocolo de classificação visual através das estatísticas geradas pela matriz de confusão (Exatidão Global). O protocolo de classificação visual foi aplicado por oito intérpretes, divididos em dois grupos - G1: intérpretes com maior experiência na classificação visual de imagens de SR e G2: intérpretes com menor experiência. O comportamento espectro-temporal (CET) e a presença de vegetação fotossinteticamente ativa (VFA) das três culturas estudadas foram analisados com uso das imagens multitemporais OLI. Os 200 pixels de A2 também foram usados para treinamento de modelos de classificação automática por análise de imagem orientada a objetos OBIA/Random Forest e segmentação via Segmentador Multi-resolução (SM-R). Foram gerados 1150 modelos de classificação, formados pela variação dos parâmetros fator de escala (Fe), forma (Fm) e compacidade (Cp) do algoritmo MR-S aplicado sobre quatro imagem multitemporais OLI 222/076, datadas de agosto/2014, outubro/2014, janeiro/2015 e maio/2015. Os resultados dos modelos de classificação foram testados pela amostragem out-of-bag (OOB), e aquele que obteve maior valor de EG foi replicado para gerar o mapa temático com três classes (cana-de-açúcar, milho e outros), em A3. Outros 200 pixels foram sorteados aleatoriamente sobre A3 e validados por classificação visual, utilizando o protocolo de classificação da presente pesquisa. A ApEq mostrou-se útil no processo de classificação visual, uma vez que o efeito de sobreposição entre órbitas adjacentes foi minimizado pela equalização dos histogramas das imagens, além de proporcionar uma padronização nas cores da VFA das culturas da cana-de-açúcar, milho e soja, nas imagens OLI, em composição colorida R-b5 G-b6 B-b4 de diferentes orbitas/pontos do estado. O protocolo de classificação visual mostrou que a EG média da classificação visual de G2 (94,50 %) foi equivalente ao G1. O modelo de classificação OBIA/Random Forest obteve resultados de exatidão global OOB igual a 99 % quando os parâmetros fe (25), fm (30) e cp (10) foram aplicados no segmentador MS-R. Quando o modelo de classificação foi replicado para A3, o resultado de EG foi 86,50 %. No mapa temático produzido em A3 foram obtidos resultados de área ocupada com milho, semelhantes aos dados da Produção Agrícola Municipal (PAM) (mapa temático produzido em A3 subestimou em 4 % as áreas de milho). Em relação à cana-de-açúcar, a subestimativa foi de 11%, em comparação com os dados da PAM-IBGE. De acordo com estes resultados, a classificação visual pode ser utilizada para estimativa agrícola de cana-de-açúcar, milho e soja em São Paulo, bimensalmente. O protocolo de classificação visual em laboratório é viável, o que reduz custos com visitas em campo. Já a classificação automática ainda não obteve resultados de classificação equiparáveis à classificação visual.
Thesagro: Estimativa
NAL Thesaurus: Statistical analysis
Palavras-chave: Estimativa agrícola
Classificação visual
Classificação automática
Crop
Notas: Tese (Doutorado em Sensoriamento Remoto) - INPE, São José dos Campos. Orientador: Alfredo José Barreto Luiz (CNPMA).
Tipo do material: Teses
Acesso: openAccess
Aparece nas coleções:Tese/dissertação (CNPMA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2016TS13.pdf10,44 MBAdobe PDFThumbnail
Visualizar/Abrir

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace