Séries temporais de NDVI do sensor SPOT Vegetation e algoritmo SAM aplicados ao mapeamento de cana‑de‑açúcar

• Autor(a) principal: Vicente, Luiz Eduardo
• Data de Publicação: 2012
• Outros Autores: Gomes, Daniel, Victoria, Daniel de Castro, Garçon, Edlene Aparecida Moteiro, Bolfe, Édson Luís, Andrade, Ricardo Guimarães, Silva, Gustavo Bayma Siqueira da
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Pesquisa Agropecuária Brasileira (Online)
• Texto Completo: https://seer.sct.embrapa.br/index.php/pab/article/view/11541
• topic: análise temporal; modelo linear de mistura espectral; previsão de safras; sensoriamento remoto agrícola; temporal analysis; linear spectral mixture model; crop forecasting; agricultural remote sensing

O objetivo deste trabalho foi avaliar o mapeamento de área de cana‑de‑açúcar por meio de série temporal, de seis anos de dados do índice de vegetação por diferença normalizada (NDVI), oriundos do sensor Vegetation, a bordo do satélite “système pour l’observation de la Terre” (SPOT). Três classes de cobertura do solo (cana‑de‑açúcar, pasto e floresta), do Estado de São Paulo, foram selecionadas como assinaturas espectro‑temporais de referência, que serviram como membros extremos (“endmembers”) para classificação com o algoritmo “spectral angle mapper” (SAM). A partir desta classificação, o mapeamento da área de cana‑de‑açúcar foi realizado com uso de limiares na imagem-regra do SAM, gerados a partir dos valores dos espectros de referência. Os resultados mostram que o algoritmo SAM pode ser aplicado a séries de dados multitemporais de resolução moderada, o que permite eficiente mapeamento de alvo agrícola em escala mesorregional. Dados oficiais de áreas de cana‑de‑açúcar, para as microrregiões paulistas, apresentam boa correlação (r2 = 0,8) com os dados obtidos pelo método avaliado. A aplicação do algoritmo SAM mostrou ser útil em análises temporais. As séries temporais de NDVI do sensor SPOT Vegetation podem ser utilizadas para mapeamento da área de cana‑de‑açúcar em baixa resolução.