| Summary: | As imagens de sensoriamento remoto da faixa do visível e infravermelho do espectro eletromagnético apresentam grande potencial na identificação e discriminação de áreas agrícolas para fins de estimativa de safra. Contudo, a presença de nuvens impede a aquisição deste tipo de imagens. Já as imagens obtidas na faixa espectral de microondas por radares imageadores de abertura sintética independem de condições meteorológicas. Neste contexto, este trabalho tem por objetivo verificar o potencial de imagens de radar na identificação das culturas de soja e cana-de-açúcar na região de Assis-SP, através de classificação textural. As imagens utilizadas foram do RADARSAT-1/SAR C-HH nos seguintes modos de aquisição: Fine-5/descendente (F5D) de 30 de janeiro de 2003; Fine-5/ascendente (F5A) de 14 de fevereiro de 2003; e Standard-7/descendente (S7D) de 23 de fevereiro de 2003. Adicionalmente foram utilizadas duas imagens do sistema Landsat-7 ETM+ adquiridas em 23 de fevereiro e 27 de março de 2003 para servirem como referência na identificação dos alvos de interesse na área de estudo. Os métodos para identificação das culturas foram baseados em análises visuais e classificações digitais utilizando medidas de textura dentro das seguintes etapas: a) definição das classes de uso do solo; b) coleta das amostras de treinamento e teste; c) geração das bandas de textura; d) classificação supervisionada; e) avaliação das classificações através da matriz de confusão e do coeficiente kappa. As classificações digitais foram realizadas sobre as imagens originais, filtradas e de textura através do classificador pontual/contextual (MAXVER/ICM). Os resultados indicaram que as classificações realizadas sobre as imagens filtradas e de textura foram, em geral, satisfatórios indicando que as medidas texturais podem ser ferramentas úteis para maximizar a discriminação de classes de interesse em regiões agrícolas. === Remote sensing images from the visible and infrared regions of the electromagnetic spectrum have demonstrated a great potential to identify and discriminate agricultural areas for crops estimation. However, cloud cover is an obstruction for this type of image acquisition. On the other hand, Synthetic Aperture Radar (SAR) images acquired in the microwave region of the electromagnetic spectrum are independent of weather conditions. In this context, this work has the objective to verify the capability of radar images to identify soybean and sugarcane crops in the region of Assis, São Paulo State using textural classification. Images from RADARSAT-1/SAR C-HH were acquired in the following modes: Fine-5/descending (F5D) from 31 January 2003; Fine-5/ascending (F5A) from 14 February 2003; and Standard-7/descending (S7D) from 23 February 2003. Additionally, two cloud free Landsat-7 images from 23 February and 27 March 2003 were used to identify targets of interest in the study area. The methods for crops type identification were based on visual and digital classification analysis by using texture measures in the following steps: a) definition of land use classes; b) extraction of training and test samples; c) generation of texture bands; d) supervised classification; and e) classification evaluations using confusion matrix and kappa coefficient. Digital classifications using MAXVER/ICM were carried out for: original, filtered and texture images. The results indicated a good classification performance for both filtered and texture images showing that the textural measures can be a useful tool to maximize crop type discrimination.
|
|---|
