Mapeamento de areas de cafe no municipio de Guaxupe/MG por meio de processamento digital de imagens Landsat

• Main Author: Nery, Luis Antonio
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2009
• Subjects: Sensoriamento remoto; LANDSAT (Satelites); Análise por componentes principais; Cafe - Guaxupe (MG); Remote sensing; MODIS; ASTER; Radiometric normalization; Principals components analysis
• Online Access: NERY, Luis Antonio. Mapeamento de areas de cafe no municipio de Guaxupe/MG por meio de processamento digital de imagens Landsat. 2009. 134 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/256968>. Acesso em: 13 ago. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/256968

Orientador: Rubens Augusto Camargo Lamparelli === Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola === Made available in DSpace on 2018-08-13T09:46:25Z (GMT). No. of bitstreams: 1 Nery_LuisAntonio_M.pdf: 111375957 bytes, checksum: 05f2b3dc3fe0dece107d3e34a24a5a3e (MD5) Previous issue date: 2009 === Resumo: A importância econômica da produção brasileira de café no mercado mundial é notória e contribui com uma grande parcela na balança comercial de exportação do país. Minas Gerais se destaca como o centro da atual produção cafeeira no Brasil e tem na região sul do estado a grande concentração da lavoura de café (Coffea arabica), onde o seu cultivo é realizado em pequenas propriedades bastante dispersas pela região montanhosa. A necessidade de adequação da agricultura cafeeira por meio do planejamento, controle de custos e melhoria da produtividade, tem acelerado a procura por técnicas e ferramentas para a previsão da produção agrícola passando, necessariamente, pela localização e quantificação das áreas cultivadas. Neste contexto, o objetivo desta pesquisa foi avaliar o fornecimento de informações dos dados do sensor TM/Landsat 5 utilizando as técnicas de Análise por Principais Componentes (APC) e separação de classes de iluminação sobre as áreas de lavoura de café em região montanhosa. A área de estudo escolhida foi o município de Guaxupé/MG por conter uma forte lavoura cafeeira mantida sob um organizado sistema cooperativo. Foram utilizadas imagens dos satélites Landsat 7, Landsat 5 e do sensor MODIS para a aplicação das técnicas de processamento digital, para correção atmosférica e normalização radiométrica, visando a análise do cafeeiro nas datas de 15/08/2001, 05/12/2001 e 12/04/2002, que caracterizam os estágios fenológicos do cafeeiro como períodos de colheita (repouso e senescência dos ramos), florada e início do crescimento da gemas florais, respectivamente. Também foi utilizada uma máscara da área cafeeira obtida por método de interpretação visual extraído de imagens Ikonos. A utilização de um modelo digital de elevação gerado por imagens do sensor ASTER/TERRA possibilitou a aplicação da técnica de determinação do fator de iluminação, que consistiu na criação de classes de iluminação que contribuíram na identificação de áreas de lavoura e áreas de mata sombreadas pelo relevo. Dados de campo foram levantados para auxiliar na identificação da lavoura cafeeira, separadas pelas classes amostrais de café adensado e café adulto em função dos espaçamentos de ruas e linhas adotados no plantio. A Análise por Principais Componentes (APC) foi aplicada com o objetivo de reduzir a redundância dos dados obtidos das imagens orbitais de maneira a permitir a seleção de amostras de treinamento para a utilização em classificação supervisionada. Utilizando o método da Distância de Mahalanobis como classificador, as imagens nas datas selecionadas para a pesquisa, mostraram dados importantes quando comparados os resultados das classificações com a máscara da área de café extraída das imagens Ikonos do município. Os resultados dessas classificações foram validados por meio da determinação da Exatidão Global e coeficiente Kappa que mostraram os valores de EG= 0,78 e K= 0,40 para a imagem de 15/08/2001, EG= 0,81 e K= 0.29 para a imagem de 05/12/2001 e, EG= 0,76 e K= 0,24 para a data de 12/04/2002, confirmando que o período seco (maio até outubro) é favorável para a classificação do cafeeiro que, neste período está sob processo de colheita onde, a queda de folhas e remoção de frutos ocorre, diferenciando das outras coberturas do solo como as matas. Os maiores valores atingidos na validação dos dados ocorreram na classificação da imagem gerada pela composição dos resultados das três datas, atingindo valores de EG = 0,81 e Kappa = 0,56. O valor da área, quantificada como sendo da cultura do café, encontrado pelo método de soma dos resultados das classificações em cada data, produziu um valor 73,06 % do total de área quantificada na máscara de café, utilizada como referência. Neste sentido a metodologia se mostrou bem adequada na quantificação de áreas de café em relevo montanhoso. === Abstract: The economic importance of Brazilian coffee growing in the world market is notorious and makes up significant portion of the country's foreign trade exports. Minas Gerais stands out as the core of Brazilian coffee growing, with most of the planting areas (Coffea arabica) concentrated in the south, where it is grown in small plots widely spread throughout the hills. The need to adequate coffee agriculture by planning, cost control and productivity improvement has increased the search for techniques and tools for the prediction of agricultural production, necessarily involving the location and quantification of cultivated areas. In this context, the goal of this research has been to evaluate data from the TM/Landsat-5 remote sensor, providing information about coffee growing areas in hilly regions. The city of Guaxupé/MG/Brazil was chosen for this study due to its strong coffee growing, kept under an organized cooperate system. Images from the Landsat-7 and Landsat-5 satellites and from the MODIS sensor have been employed for the purpose of using digital processing tools for atmospheric correction and radiometric normalization, in order to analyze coffee crops in three dates: 08/15/2001, 12/05/2001 and 04/12/2002, characterizing phenological stages such as harvesting periods (rest and senescence of boughs), flowering and beginning of flower bud growing, respectively. The use of a digital elevation model generated from ASTER/TERRA sensor enabled the use of a lighting factor determination technique, consisting in the creation of lighting classes that contributed in the identification of crop areas and terrain-shadowed vegetated areas. Field data were gathered to help identifying coffee plantation separated by sample classes of dense coffee and adult coffee as a function of the spacing of the field foods and lines used in planting. PCA (Principal Component Analysis) was applied in order to reduce the redundancy of the data obtained from orbital imaging in a way that allows the selection of training samples for use in supervised classification. Using the Mahalanobis Distance as a classifier, the images in the selected dates showed highly positive result when the classification was compared to the coffee area mask extracted from Ikonos images. The results of these classifications were validated through the determination of Global Accuracy and Kappa Index, which showed values of GA= 0.78 and K= 0.40 for the 08/15/2001 image, GA= 0.81 and K= 0.29 for the 12/05/2001 image, and GA= 0.76 and K= 0.24 for 04/12/2002, confirming that the dry season (May through October) is favorable for the classification of coffee, which is under the harvesting process in this period, during which the falling of leaves and remotion of fruit separates it from other ground cover such as vegetation. The spectral data obtained from satellite imaging through digital processing have proven themselves adequate for the location of coffee-growing areas in hilly regions when aided by a digital elevation model. The value of the area as being coffee crop, calculated by sum of the areas found from each date classification, produced 73,06% of the agreement with coffee mask considered as a reference data. Due this the methodology showed very suitable to quantify coffee areas in hilly region. === Mestrado === Planejamento e Desenvolvimento Rural Sustentável === Mestre em Engenharia Agrícola