Análise dos dados ALOS/PALSAR (modo de imageamento FBD) para identificação dos tipos de cobertura da terra na região norte do estado do Mato Grosso

• Main Author: Bruno Rodrigues do Prado
• Other Authors: Raimundo Almeida Filho
• Language: Portuguese
• Published: Instituto Nacional de Pesquisas Espaciais 2009
• Online Access: http://urlib.net/sid.inpe.br/mtc-m19@80/2009/11.25.12.50

A Floresta Amazônica é a maior floresta tropical do planeta e concentra grande biodiversidade e recursos naturais. Contínuos impactos antrópicos estão ocorrendo em decorrência da ocupação e exploração da região, tornando fundamental compreender e monitorar as alterações na cobertura da terra. A intensa cobertura de nuvens presente na região torna o imageamento óptico limitado, gerando a necessidade da utilização de radares imageadores, uma vez que as imagens obtidas na faixa das microondas não sofrem interferência atmosférica. O trabalho analisa o potencial das imagens do radar ALOS/PALSAR, no modo de imageamento FBD (nível 1.5), para discriminar as seguintes classes de cobertura da terra: floresta primária, floresta secundária, floresta degradada e agricultura, em duas áreas de estudo, localizadas ao norte do estado do Mato Grosso. Sobre as imagens de radar foram testados diferentes filtros de ruído speckle. O filtro Gamma 5x5 apresentou em termos de relação sinal-ruído. Sobre as imagens filtradas, foram realizadas segmentações com o software Multiseg, classificação Bhattacharyya e classificação utilizando o algoritmo Maxver e ICM, empregando o classificador polarimétrico de imagens de radar Polarimetric SAR Classifier 0.7. As classificações foram validadas com auxílio dos dados dos projetos PRODES, DETER e DEGRAD, apoiadas por interpretação visual das imagens Landsat 5/TM, SPOT 2/HRV e imagens fração solo, sombra e vegetação. A análise foi realizada com as polarizações individuais (HH e HV) e com a combinação das polarizações (HH e HV). O classificador Bhattacharyya apresentou melhor desempenho quando comparado ao classificador Maxver-ICM. O melhor resultado obtido pela classificação Bhattacharyya envolveu a polarização HH (Kappa = 0,58) e, na classificação Maxver-ICM, o melhor resultado foi obtido pela combinação de polarização HH e HV (Kappa = 0,51). Em alguns casos, houve incremento de informação através da combinação de polarizações. Os resultados obtidos através da análise exploratória e classificações demonstraram uma clara identificação da classe agricultura, mas grande confusão da diferenciação das classes de floresta, principalmente entre a classe floresta secundária e floresta degradada. Com a utilização dos procedimentos metodológicos descritos houve discriminação satisfatória da classe agricultura e confusão na discriminação das classes florestais, independentemente dos dados ou algoritmo empregado, o que confere uma limitação aos dados ALOS/PALSAR (modo FBD) para a identificação das classes de cobertura da terra definidas. === The Amazon forest is the largest rainforest of the planet and concentrates great biodiversity and natural resources. The continuous human impacts are occurring due to the occupation and exploitation of the region, then becoming essential to understand and to monitor the land cover changes. The intense cloud coverage in this region makes the use of optical images limited, requiring the use of radar images, since the images acquired in the microwave range do notsuffer atmospheric interference. The work analyses the potential of ALOS/PALSAR images, in the FBD (level 1.5 imaging) mode, to discriminate the following land cover classes: primary forest, secondary forest, degraded forest and agriculture, in two study areas located in the north region of Mato Grosso State. Different filters were tested for speckle noise, and the best result in terms of signal noise-ratio was achieved by Gamma 5x5 filter. For the filtered images, it was performed segmentation with the software Multiseg following the classification using Bhattacharyya and Maxver-ICM algorithms, employing the Polarimetric SAR Classifier 0.7 software. The classifications were subsequently validated using data from PRODES, DETER and DEGRAD projects, supported by visual interpretation of Landsat 5/TM, SPOT 2/HRV images, and soil, shade and vegetation fraction images. The analysis was performed using the single polarization (HH and HV) and the combination of polarizations (HH and HV). In general, the Bhattacharyya classifier showed better classification performance when compared to the Maxver-ICM classifier. The best result obtained by the Bhattacharyya classifier was related to the HH polarization (Kappa = 0.58), and the best result obtained by the Maxver-ICM classifier used the combination of HH and HV polarizations (Kappa = 0.51). In some cases there was an increment of information through the combination of polarizations. The results of the exploratory analysis and classifications showed a clear identification of the agriculture class, but a great confusion for discriminating forest classes, mainly between secondary forest and degraded forest classes. With this techniques the agriculture classes were sufficiently discriminated, but the forest classes were not sufficiently discriminated independently of data or algorithm used, showing a limitation of ALOS/PALSAR (mode FBD) data for identification of land cover classes defined in this work.