| Summary: | Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Geografia, 2007. === Submitted by Luis Felipe Souza (luis_felas@globo.com) on 2008-11-21T17:16:13Z
No. of bitstreams: 1
Dissertacao_2007_CaritaSampaio.pdf: 3152785 bytes, checksum: f8ab3cd656da27d969d005e972c50ce1 (MD5) === Approved for entry into archive by Georgia Fernandes(georgia@bce.unb.br) on 2009-02-06T11:31:05Z (GMT) No. of bitstreams: 1
Dissertacao_2007_CaritaSampaio.pdf: 3152785 bytes, checksum: f8ab3cd656da27d969d005e972c50ce1 (MD5) === Made available in DSpace on 2009-02-06T11:31:05Z (GMT). No. of bitstreams: 1
Dissertacao_2007_CaritaSampaio.pdf: 3152785 bytes, checksum: f8ab3cd656da27d969d005e972c50ce1 (MD5) === A savana é o principal tipo de vegetação no Brasil Central, cobrindo aproximadamente 23% do território nacional. Localmente é conhecida como Cerrado, e é formada por um mosaico de fitofisionomias tais como campo, campo cerrado e cerrado que possuem um típico ciclo fenológico. Neste contexto, os dados do MODIS fornecem medidas diárias que permitem monitorar a sazonal fenologia da vegetação. O presente trabalho objetiva avaliar o emprego de assinaturas temporais para detectar tipos de savanas no Parque Nacional da Chapada dos Veadeiros. A metodologia adotada foi subdividida nos seguintes passos: (a) elaboração do cubo 3D das imagens temporais NDVI e EVI – MODIS, onde o perfil em z corresponde à assinatura temporal, (b) tratamento do ruído, (c) detecção dos membros finais utilizando o invólucro convexo, e (d) classificação. O tratamento do ruído utilizou os seguintes métodos: (a) exclusão da imagem com alta porcentagem de ruído, (b) aplicação de um filtro móvel de mediana para suavizar o espectro temporal, e (c) emprego da Transformação Minimum Noise Fraction (MNF). A identificação automática dos membros finais compreendeu os seguintes passos: (a) redução espectral pela transformação MNF, (b) redução espacial pelo índice de Pixel Purity Index (PPI) e (c) identificação manual dos membros finais usando o visualizador n-dimensional. Na classificação foram usados dois métodos: (a) Iterative Self-Organizing Data Analysis Techniques (ISODATA) e (b) árvore de decisão. Os resultados demonstraram que as fisionomias do cerrado apresentam típicas assinaturas temporais. Os membros finais correspondem ao campo, cerrado e área cultivada. A assinatura do campo se caracteriza pelos baixos valores no período de estudo, o cerrado pelos altos valores e as áreas de agricultura por uma alta variação com altos valores durante a época de chuva e baixos valores na época da seca. A classificação não supervisionada pelo método ISODATA permitiu um conhecimento à priori dos dados, onde o mapa classificado obtém uma definida distribuição. A árvore de decisão possibilitou um aprimoramento da classificação que obtém as classes de campo, cerrado e agricultura. Comparações com imagem Landsat 7/ETM+ demonstraram a eficiência da classificação das séries temporais. O estudo concluiu que as séries NDVI e EVI são úteis na diferenciação dos tipos de vegetação. A eficiência da metodologia tem sido provada para regional delimitação das fisionomias de savana, mesmo considerando a baixa resolução espacial do sensor MODIS, e conseqüentemente com alta mistura espectral.
__________________________________________________________________________________________ ABSTRACT === Savannas are the main vegetation type in Central Brazil, covering approximately 23% of the national territory. Locally known as Cerrado, Brazilian savannas are formed by a mosaic of different physiognomies such as grassland, shrubland and woodland that have a typical phenological cycle. In this context, the MODIS data provide daily measurements well suited to monitor the seasonal phenology of vegetation. The present work aims to evaluate the advantages of the temporal signatures to detect Brazilian Savanna vegetation types in the Chapada dos Veadeiros National Park. The adopted methodology was subdivided into the following steps: (a) elaboration of the 3D cube of NDVI and EVI from MODIS temporal images, where the z profile corresponds to temporal signature, (b) noise elimination, (c) endmember detection, and (d) classification. The noise elimination utilized three methods: (a) exclusion of the image with high percentage of noise, (b) application of the three-point moving median filter to smooth temporal spectrum, and (c) employement of the Minimum Noise Fraction Transformation. Endmembers’ automatic identification encompasses the following steps: a) spectral reduction by the Minimum Noise Fraction (MNF) transformation, (b) spatial reduction by the Pixel Purity Index (PPI), and (c) manual identification of the endmembers using the N-dimensional visualizer. In the classification we used two methods: (a) Iterative Self-Organizing Data Analysis Techniques (ISODATA), and (b) tree decision. The results demonstrated that the savanna physiognomies present typical temporal signatures. The endmembers corresponded to grassland, woodland and cultivate area. The grassland signature characterized by lower values in the study period; the woodland by higher values and agriculture areas by a higher variation with higher values in the raining season and lower values in the dry season. The unsupervised classification by ISODATA method allowed a priori knowledge of the data, which the map classification obtained a defined distribution. The tree decision enables an approach classification obtained the classes of the grassland, woodland and agriculture. Comparison with Landsat 7/ETM+ image demonstrated the classification efficiency of the temporal series. The study concluded that the NDVI and EVI series is useful in differentiation amount vegetation types. The methodology efficiency has been proved for regional delimitation of savanna physiognomies even considering the low spatial resolution of the 250m MODIS sensor and consequently with high spectral mixture.
|
|---|
