Aplicação do método de identificação espectral para imagens do sensor ASTER em ambiente de cerrado

• Autor(a) principal: Carvalho Júnior, Osmar Abílio de
• Data de Publicação: 2005
• Outros Autores: Guimarães, Renato Fontes, Martins, Éder de Souza, Carvalho, Ana Paula Ferreira de, Gomes, Roberto Arnaldo Trancoso
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UnB
• Texto Completo: http://repositorio.unb.br/handle/10482/7921; https://dx.doi.org/10.1590/S0102-261X2005000200005
• topic: Processamento de imagens - técnicas digitais; Análise espectral; Sensoriamento remoto

As técnicas de análise espectral permitem uma boa estimativa para a identificação do material procurado pela similaridade entre a curva de referência e a da imagem. Inicialmente os classificadores espectrais foram desenvolvidos para análise de imagens de sensores hiperespectrais. No entanto, vários trabalhos vêm demonstrando bons resultados para a aplicação dessas técnicas em imagens multiespectrais. O presente trabalho possui como objetivo testar o classificador espectral denominado Método de Identificação Espectral (MIE) para imagens multiespectrais do sensor ASTER. O MIE fornece um novo índice de similaridade e três estimativas segundo níveis de significância das possíveis áreas do material procurado. Esse método fundamenta-se no procedimento estatístico ANOVA e no classificador espectral Spectral Correlation Mapper (SCM). Essa informação pode ser utilizada para avaliar o grau de correlação dos materiais em análise, sendo útil em uma análise exploratória. A vantagem desse método é que permite validar estatisticamente a existência do elemento procurado conforme um nível de significância. O método foi aplicado na imagem ASTER referente à área do campo de instrução militar de formosa situada no município de Formosa (GO) próxima ao Distrito Federal. As imagens utilizadas (VNIR e SWIR) foram adquiridas já corrigidas do efeito atmosférico. Duplicando o tamanho dos pixels da imagem SWIR foi feita a união entre as resoluções espaciais entre as imagens VNIR e SWIR. Os membros finais da área de estudo foram detectados através da seguinte seqüência: redução espectral pela transformação MNF (Minimum Noise Fraction), redução espacial pelo índice de pureza de pixel (PPI) e pelo visualizador n-dimensional. A partir dos membros finais referentes à vegetação fotossinteticamente ativa, vegetação não fotossiteticamente ativa e solo realizou-se a classificação. Esta metodologia permitiu identificar os principais cenários na área de estudo.