Dados do sensor Hyperion/EO-1 para análise das áreas de Mata Atlântica e de bananais no nordeste do Rio Grande do Sul

Abstract

A região do litoral norte do estado do Rio Grande do Sul abriga conjuntos florestais do Bioma Mata Atlântica que se encontram extremamente fragmentados e com reduzida parcela de vegetação nativa. A ocupação humana e as atividades econômicas agrícolas da região vêm ocasionando forte pressão nestes remanescentes florestais. O plantio de banana ocupa a maior área nesta região, gerando um enorme impacto sobre as áreas de Mata Atlântica que vem cedendo lugar para as áreas de bananais. O presente trabalho tem como objetivo avaliar o uso de dados hiperespectrais para a diferenciação das áreas de Mata Atlântica e de bananais no município de Três Cachoeiras, o maior produtor de banana do Estado. Classificadores bayesianos foram utilizados para a determinação das classes, Mata Atlântica e Bananais, com dados extraídos de uma imagem de alta resolução espectral do município de Três Cachoeiras. Verificou-se que os valores de acurácia com índice Kappa e Exatidão Global diminuíram conforme a simplificação do classificador de Bayes. Desta forma, os maiores valores de acurácia foram os dos métodos de Máxima Verossimilhança, Fisher e Distância Euclidiana, respectivamente. Os dois primeiros métodos aumentam os valores de acurácia se forem implementados com um limiar de exclusão. Foi verificado que a variável ambiental de orientação de vertentes não influencia na forma da curva espectral das áreas ocupadas por bananais, influenciando somente na intensidade da mesma. Destaca-se que a utilização de dados hiperespectrais representam uma nova abordagem do sensoriamento remoto, complementando a análise do meio ambiente realizada pelos métodos multiespectrais.

The North Coast region of Rio Grande do Sul is home to sets of Atlantic Forest in the state; however they are extremely fragmented, with small portion of native vegetation. Human occupation and agricultural economic activities in the region have caused great pressure on these forest remnants. Banana plantation in this region is takes the biggest part of this area, and the features of this planting generates a huge impact on the areas of Atlantic Forest, since that it is giving way to the areas of plantations. This assignment aims to evaluate the use of hyperspectral data for differentiation between the Atlantic Forest and banana’s areas in the town of Três Cachoeiras, the state’s largest producer of banana. Bayesian classifiers and data extracted from a town’s high spatial resolution image have been used in order to verify the accuracy of the classifiers. It was found that the values of accuracy with an index Kappa and Global Accuracy have decreased by the simplification of the Bayes classifier. Thus the highest values of accuracy were the Method of Maximum Likelihood, Linear Fisher and Euclidean Distance, respectively. The first two methods increase the accuracy values if they are implemented with a threshold of exclusion. It was verified that the strands’ environmental orientation variable does not influence the shape of spectral curve of the areas of banana plantations, but only influences its intensity. It is noteworthy that the use of hyperspectral data represent a new way of approach to remote sensing, complementing the environmental analysis performed by the multispectral methods.