Métodos de sensoriamento remoto no mapeamento de veredas na APA Rio Pandeiros

• Autor(a) principal: Jefferson William Lopes Almeida
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/IGCM-ADMP85
• topic: Veredas; Sensoriamento remoto; Árvore de decisão; Mapeamento; Classificação de imagens; Modelagem de dados Aspectos ambientais; Sensoriamento remoto Minas Gerais ; Áreas de conservação de recursos naturais Minas Gerais ; Mapeamento do meio ambiente ; Cerrados Minas Gerais

Pesquisas voltadas para o uso do sensoriamento remoto na caracterização, delimitação ou distinção das veredas das demais fitofisionomias do cerrado ainda são escassas. Diante disso, este trabalho objetivou distinguir o subsistema vereda, na Área de Proteção Ambiental (APA) Rio Pandeiros, por meio de produtos e técnicas oriundos de sensoriamento remoto. Para isso, recorreu-se a uma gama de produtos orbitais como as imagens óticas do RapidEye sensor REIS (RapidEye Imaging system), imagens do Landsat-8 sensor OLI (Operational Land Image) e dados oriundos do modelo SRTM (Shuttle Radar Topography Misson). Estes produtos foram preparados, através de técnicas de processamento digital de imagens (PDI) a fim de receberem operações automatizadas. Dessa forma, tornou-se possível gerar um conjunto de 18 atributos composto por: bandas dos sensores OLI e REIS, índices de vegetação (NDVI, SAVI, EVI, NDWI), componentes de mistura espectral e imagens frações advindas de transformações por componentes principais. Destaca-se que no arcabouço metodológico procurou-se realizar o conhecimento prévio da realidade espacial do subsistema vereda com visitas a campo. Diante disso, em laboratório, para auxiliar na distinção da classe vereda, construiu uma zona de influência (buffer de 500m) ao longo da rede de drenagem. Posteriormente, realizou-se a classificação de imagens por meio do método Máxima Verossimilhança (MAXVER) e árvore de decisão. Os resultados alcançados possibilitaram a verificação comparativa do poder discriminatório de ambos classificadores no mapeamento de veredas. A acurácia da classificação foi avaliada por meio da matriz de erros de classificação e do coeficiente Kappa. Para tal, com auxílio de receptores do sistema GPS efetuou-se três campanhas na área de estudo com o propósito de colher evidências de campo e validar os resultados. A classificação pelo método árvore de decisão alcançou um resultado mais ajustado em comparação ao método MAXVER, assinalando uma acurácia total de 93% e produzindo coeficiente Kappa de 0.9190. Em relação a acurácias individuais das classes, o classificador árvore de decisão mostrou um resultado satisfatório no tocante à identificação de veredas. No entanto, algumas áreas mapeadas como vereda, não condizem plenamente com a realidade, apresentando erros espaciais destoantes do indicador Kappa. Como é o caso, de algumas regiões em torno do afluente principal do Rio Pandeiros que foram englobadas, mas não são ambientes característicos do subsistema. Todavia, os erros encontrados não inviabilizam o uso do modelo de árvore de decisão proposto para este estudo. Dessa forma, espera-se que o método e os resultados encontrados nesse estudo contribuam efetivamente para o mapeamento, conservação e recuperação do subsistema vereda, ambiente de suma importância ecológica.