42aéreas, permitindo desta maneira, uma melhor escolha das amostras detreinamento e portanto, da classificação final.4.2.6. INTEGRAÇÃO DE DADOSPara a integração dos dados resultantes da análise visual, dotratamento de imagens e do trabalho de campo se utilizou o SPRING. Avantagem de utilizar um sistema de informação geográfica para efetuar estaintegração, consiste na possibilidade de combinar dados que se encontram emformatos diferentes como mapas, imagens e tabelas.Assim, os planos de informação referentes a unidadesgeomorfológicas e drenagem estavam em mapas digitais, obtidos através dadigitalização dos overlays resultantes da análise visual da imagem em papelfotográfico. Os dados em formato imagem correspondem à composiçãocolorida das bandas TM 4, 5, 3 (R, G, B) com aumento linear de contraste, aotriplete das primeiras componentes principais, e à imagem segmentada dasbandas TM 3 - 5 e 7. Os dados de campo ingressados no sistema, consistiramdas coordenadas de entrada de cada parcela amostrada, obtidos através doGPS.A integração destes planos de informação auxiliou na definiçãodas áreas de treinamento e teste utilizadas no processo de classificaçãosupervisionado.4.2.7. CLASSIFICAÇÃO4.2.7.1 CLASSIFICAÇÃO PELO MÉTODO DA MÁXIMA VEROSSIMILHANÇAPara a classificação da imagem foi utilizado o método declassificação supervisionada da máxima verossimilhança (Hopkins et al., 1988;Saxena et al., 1992; Machado e Silva, 1993) nas bandas originais TM 3 - 5 e 7.As bandas TM 1 e 2 não foram utilizadas por apresentar striping de diferenteslarguras, somente perceptível na imagem classificada resultante.A escolha das áreas de treinamento foi feita a partir doconhecimento prévio da área (trabalho de campo e vôo de reconhecimento), dainterpretação amostral das fotos aéreas, da integração dos dados no SPRING,e a partir da homogeneidade interna de cada classe na cena imageada.Posteriormente foi analisado o desempenho de cada uma dasamostras de aquisição e de teste selecionadas, a partir da matriz declassificação e da opção de análise de amostras fornecidas pelo programa. Asamostras que apresentavam um desempenho baixo foram excluídas e foramtomadas novas amostras correspondentes a essas classes. Este processointerativo se repetiu até obter-se um bom desempenho de cada uma das
43amostras selecionas, levando em consideração que cada classe estivesserepresentada por um número considerável de amostras.Após a classificação foi aplicada a função de uniformização detemas implementada no SPRING, a fim de eliminar os pontos classificadosisolados, e portanto melhorar visualmente a imagem classificada.4.2.7.2 CLASSIFICAÇÃO NÃO SUPERVISIONADA POR REGIÕES - ISOSEGUm outro algoritmo de classificação utilizado foi o ISOSEG, apartir da imagem segmentada das bandas TM 3 - 5 e 7. Após a extração dasregiões, procedeu-se à classificação da imagem, testando os limiares deaceitação disponíveis (99%, 95%, 90%, 75% e 50%). O limiar de aceitaçãodefine o número de classes que serão geradas em cada caso.4.2.8 GERAÇÃO DA CARTA TEMÁTICAA carta temática correspondente aos tipos de vegetação daárea de estudo, foi gerada com base na imagem resultante da classificaçãosupervisionada através do módulo SPRINGCARTA do SPRING.
- 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 and 42: 21b) Transformação por Componente
- Page 43 and 44: 23Com a finalidade de evitar uma ex
- 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: 41o valor mínimo pre-estabelecido.
- 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)