| Summary: | O presente trabalho teve como objetivo analisar o uso potencial de imagens ALOS/PALSAR, no modo dual FDB 1.1 (banda L), na caracterização e no mapeamento do uso e cobertura da terra no semi-árido brasileiro. Neste estudo foram utilizados algoritmos de classificação MAXVER-ICM e de Wishart, envolvendo imagens-amplitude nas formas individual, pares e/ou o conjunto de componentes derivadas da matriz de covariância [A$_{HH}$, A$_{HV}$ e A$_{HH*HV}$]. Obtidas as classificações por esses métodos acima mencionados, foram realizadas avaliações do grau de acurácia temática através da estatística \textit{Kappa}. Levantamentos fisionômico-estruturais das fácies de caatinga e também pontos de observações das tipologias de uso e cobertura da terra, devidamente georrefrenciados, serviram como amostras de treinamento e calibração temática, ficando definidas as seguintes classes de uso e cobertura da terra para área em estudo: caatinga arbórea, caatinga arbórea-arbustiva, caatinga arbustiva, agricultura e corpos d'água. O procedimento metodológico aplicado mostrou que o melhor resultado obtido foi no uso do conjunto de componentes [A$_{HH}$, A$_{HV}$ e A$_{HH*HV}$], por meio da classificação MAXVER-ICM, apresentando uma exatidão global de 66\% e índice \textit{Kappa} 0.58. Adicionalmente, foi também avaliada a qualidade posicional planimétrica do produto ALOS/PALSAR ortorretificado, gerado com a utilização de dados de efemérides da plataforma e DEM SRTM. A verificação utilizando pontos GPS rastreados em campo permitiu a caracterização preliminar do produto de acordo com o Padrão de Exatidão Cartográfico (PEC) na classe A para a escala 1:100.000. === The objective of this study was to analyze the potential use of ALOS/PALSAR images at acquisition mode dual FDB 1.1 (L-band), to characterize and map the vegetation cover in the Brazilian semi-arid region. In this study the MAXVER-ICM and Wishart classifiers were used, which involved single, pairs and/or three components of the co-variance matrix [A$_{HH}$, A$_{HV}$ e A$_{HH*HV}$]. After the classification, using the above mentioned algorithms, the thematic accuracy was evaluated using Kappa statistics. Field survey data related to the physiognomic-structural parameters of the "Caatinga" (steppe savanna) vegetation types as well as observation points of land use/land cover classes, duly georeferenced, were as training and test samples for the thematic classification and its calibration. In the methodological procedure, the best result was found when the three components [A$_{HH}$, A$_{HV}$ e A$_{HH*HV}$] were used and classified by the MAXVER-ICM algorithm, presenting an overall accuracy of 66\% (\textit{Kappa} = 0.58) for the class separability. Additionally, we also evaluated the posicional planimetric quality of the ALOS/ PALSAR orthorectified product, generated with the use of ephemeris data platform and SRTM DEM. The check points using GPS in the field allowed the characterization based on the Brazilian Standard for Cartographic Accuracy for 1:100.000-map (Class A).
|
|---|
