22Fig. 2.2 - Transformação por componentes principais.FONTE: modificada de Schowengerdt (1983), p. 162.Outra vantagem desta técnica foi demonstrada por Conese etal. (1988), que obteveram uma classificação digital mais precisa de uma áreade floresta em relevo acidentado, utilizando as três primeiras componentesprincipais.2.3.2.3. SEGMENTAÇÃOA segmentação é um procedimento que permite subdividir umaimagem em regiões contínuas, uniformes e disjuntas (Dutra et al., 1993).A segmentação se baseia na descontinuidade ou nasimilaridade dos valores de nível de cinza dos pixels (González e Woods,1992). No primeiro caso, a partição da imagem é realizada a partir da mudançaabrupta dos níveis de cinza, ou seja na detecção das bordas, enquanto que nosegundo caso, a segmentação é feita com base em regiões homogêneas.A detecção das bordas de uma imagem pode ser feita pelométodo de perseguição de contornos, quer seja a perseguição segundo avarredura ou em todas as direções (Mascarenhas e Velasco, 1984). A detecçãode regiões apresenta várias abordagens, como o crescimento de regiões e, adivisão e fusão (Qiu e Goldberg, 1985).O algoritmo de segmentação implementado no sistemaSPRING (Sistema de Processamento de Informações Georeferenciadas)baseia-se no método de crescimento de regiões. Neste processo, cada pixel éinicialmente rotulado como uma região distinta. Posteriormente, é calculada adistância euclidiana entre a média de cada par de regiões adjacentes,agrupando-se aquelas regiões cujo valor de distância euclidiana seja menor ouigual ao limiar de similaridade definido pelo usuário (INPE, 1995).
23Com a finalidade de evitar uma excessiva fragmentação daimagem, devido à existência de regiões muito pequenas, define-se um limiar deárea, o qual indica o tamanho mínimo de uma região, em pixels, para que estaseja individualizada. Tanto o limiar de similaridade quanto o de área se mantémconstantes para toda a imagem (Liporace, 1994).Para o caso de imagens de sensoriamento remoto, sãorecomendados valores entre 8 e 10 para o limiar de similaridade (INPE, 1995).Santos et al. (1993) utilizaram o valor 10, tanto para o limiar de similaridadecomo para o limiar de área, na segmentação de uma imagem TM/Landsat naregião de contato floresta/cerrado. Esta segmentação teve a finalidade decaracterizar áreas de pastagem, de solo exposto, de queimadas, de rebrota davegetação, além de áreas com vegetação natural, demonstrando assim apossibilidade de extração de alvos na imagem a partir de informaçõesespectrais e atributos de regiões.2.3.2.4. CLASSIFICAÇÃO DIGITALA classificação de imagens consiste na implementação de umprocesso de decisão através do qual são designados grupos de pixels comopertencentes a uma classe.De acordo com o processo de classificação empregado, osalgoritmos classificadores podem ser divididos em classificadores pixel a pixelou classificadores por regiões. Os classificadores pixel a pixel utilizam ainformação espectral de cada ponto isolado para encontrar regiõeshomogêneas. Já os classificadores por regiões, utilizam além da informaçãoespectral de cada pixel, a relação de vizinhança (INPE, 1995).Os processos de classificação podem ainda ser divididossegundo a intervenção do analista no processo de treinamento em:classificação supervisionada, classificação não-supervisionada e classificaçãohíbrida (Richards, 1986).Na classificação supervisionada o analista está em constanteinteração com o sistema, as classes são definidas pelo analista baseando-seem conhecimentos prévios da área em estudo. Na classificação nãosupervisionada,são agrupados os pixels que compõem a imagem de acordocom o nível de cinza de cada um deles. Já na classificação híbrida, sãocombinados os dois processos anteriores.Lillesand e Kiefer (1987) citam como métodos de classificaçãosupervisionada mais comuns: a classificação por distância mínima, aclassificação por paralelepípedo e o método de classificação da máximaverossimilhança. Dentre os métodos de classificação não-supervisionada,
- Page 1: INPE-6824-TDI/644SENSORIAMENTO REMO
- Page 7 and 8: AGRADECIMENTOSAgradeço às seguint
- Page 9: RESUMOCom a recente implantação d
- Page 13 and 14: SUMÁRIOPág.LISTA DE FIGURAS......
- Page 15: 5.6.1. Caracterização fisionômic
- Page 19: LISTA DE TABELASPág.2.1 - Equaçõ
- Page 22 and 23: 2Estes trabalhos de quantificação
- Page 25 and 26: 5CAPÍTULO 2FUNDAMENTAÇÃO TEÓRIC
- Page 27 and 28: 7Como parte de um estudo de etnobot
- Page 29 and 30: 9Para o estudo da vegetação, é p
- Page 31 and 32: 11A luz incidente em uma planta com
- Page 33 and 34: 13mostraram que a reflectância da
- Page 35 and 36: 152.3. INTERPRETAÇÃO DE IMAGENSA
- Page 37 and 38: 17geometria de aquisição conhecid
- Page 39 and 40: 19cartográfica, para o qual se tor
- Page 41: 21b) Transformação por Componente
- Page 45 and 46: 25da classificação, sendo este pr
- Page 47 and 48: 27apresenta uma série de vantagens
- Page 49 and 50: 29CAPÍTULO 3ÁREA DE ESTUDO3.1. LO
- Page 51 and 52: 313.2.3. SOLOSOs solos predominante
- Page 53 and 54: 334.1. MATERIAIS UTILIZADOSCAPÍTUL
- Page 55 and 56: 35Definição do ProjetoSeleção d
- Page 57 and 58: 37C´ = Ganho ∗ C - Offsetonde:C
- Page 59 and 60: 39No caso do triplete formado pelas
- Page 61 and 62: 41o valor mínimo pre-estabelecido.
- Page 63: 43amostras selecionas, levando em c
- Page 66 and 67: 465.1.3. FLORESTA DE VÁRZEAAs flor
- Page 68 and 69: 48Planície de InundaçãoP Planalt
- Page 70 and 71: 50até a obtenção de um resultado
- Page 72 and 73: 52Variância4540353025201510501 2 3
- Page 75 and 76: 55atingir 8 destes pontos devido à
- Page 77 and 78: 57Fig. 5.4 - Perfil fisionômico-es
- Page 79: 59Percentagem de indivíduos6050403
- Page 83 and 84: 63Fig. 5.7 - Perfil fisionômico-es
- Page 85 and 86: 65Fig. 5.8 - Perfil fisionômico-es
- Page 87 and 88: 67Fig. 5.9 - Perfil fisionômico-es
- Page 89 and 90: 6970Percentagem deindivíduos605040
- Page 91 and 92: 71toneladas/hectare, sendo que não
- Page 93 and 94:
73de várzea se apresenta com uma t
- Page 95 and 96:
75entre as classes, seguida pela ba
- Page 97 and 98:
77A Tabela 5.7 apresenta a matriz d
- Page 99 and 100:
79A imagem resultante desta classif
- Page 101 and 102:
81TABELA 5.8 - COMPARAÇÃO DO DESE
- Page 103 and 104:
82As classes correspondentes às ca
- Page 105:
84uniformização de temas, foi pre
- Page 109 and 110:
88geradas não melhoraram a discrim
- Page 112 and 113:
91REFERÊNCIAS BIBLIOGRÁFICASAhern
- Page 116 and 117:
95Jackson, R.D.; Pinter Jr., P.J. S
- Page 118 and 119:
97Qiu, Z.C.; Goldberg, M. A new cla
- Page 120 and 121:
99Venturieri, A. Segmentação de i
- Page 122 and 123:
101APÊNDICE APLANILHA UTILIZADA NO
- Page 124 and 125:
103APÊNDICE BLISTA DE FAMÍLIAS, G
- Page 126 and 127:
Trattinickia burserifolia Mart. Bre
- Page 128 and 129:
Couratari sp Tauari FTFEschweilera
- Page 130 and 131:
Guarea cf. carinata Ducke FTF, CTri
- Page 132:
Pouteria cf. krukovii (A.C. Smith)