Influência dos atributos espectrais, texturais e fator de iluminação na classificação baseada em objetos de áreas cafeeiras

• Ano de defesa: 2016
• Autor(a) principal: Rennan de Freitas Bezerra Marujo
• Orientador(a): Margarete Marin Lordelo Volpato
• Banca de defesa: Antonio Roberto Formaggio, Helena Maria Ramos Alves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: Coffee, for being an important product in Brazilian exportations, needs constant monitoring and research, so that crop monitoring systems can be sound and reliable. This research evaluated the performance of an object based classification associated with data mining techniques applied in OLI/Landsat-8 images, with the purpose of mapping of coffee crops in the region of Alfenas, state of Minas Gerais in Brazil. Three analyzes were made, the first one using only the spectral attributes; the second including textural attributes and the third considering also the shaded relief classes. Six multiespectral images from OLI/Landsat-8 were used, each one of a different date, relating to three different phenology stages: frutification, grain formation and rest. In addition to multispectral images, SRTM data were also used to determine the topographic variables such as slope, aspect and shaded relief. After atmospheric correction, the multiresolution segmentation algorithm were applied, and later its segments became entry to a data mining process by C4.5 algorithm, which generated decision trees to classify the images. The accuracy of the classifications was assessed by the Monte Carlo method using as reference the images obtained by visual interpretation. In the classification made using only spectral attributes was obtained an accuracy of 53\% for coffee class. When was inserted textural attributes in the classification, the accuracy of the coffee class was increased to 67\%. At the municipal level the methodology presented better results, providing accuracy of 73.83\% to coffee class in the municipality of Machado and 82.83\% in Alfenas. There were no preferential phenology stage that provided greater accuracy to the coffee class in the automatic classification of OLI/Landsat-8 images.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21b/2016/01.26.12.53

O café, por ser um importante produto nas exportações brasileiras, necessita de constante monitoramento e pesquisas, para que os sistemas de previsão de safras existentes sejam confiáveis. Nesta pesquisa foi avaliado o desempenho da classificação baseada em objetos, associada a técnicas de mineração de dados, aplicada em imagens OLI/\emph{Landsat-8}, com finalidade de mapeamento de lavouras cafeeiras na microrregião de Alfenas (MG). Foram feitas três análises, a primeira utilizando apenas atributos espectrais, a segunda incluindo atributos texturais e a terceira, considerando também classes de iluminação do relevo, extraídas por meio do fator de iluminação. Foram utilizadas seis imagens multiespectrais OLI/\emph{Landsat-8}, de datas distintas, referentes a três diferentes estádios fenológicos da cultura: frutificação, granação e repouso. Além das imagens multiespectrais, foram também utilizados dados da missão SRTM, para determinar as variáveis topográficas como declividade, orientação e o fator de iluminação do terreno. Após correção atmosférica das imagens utilizando o método \emph{Flaash}, aplicou-se o algoritmo de segmentação multirresolução parametrizado em fator de escala 30, forma 0,6 e compacidade 0,5. Posteriormente fez-se um processo de mineração de dados por meio do algoritmo C4.5, o qual gerou árvores de decisão para classificar as imagens. A validação das classificações foi feita por meio do Método de Monte Carlo utilizando como referência mapas obtidos por interpretação visual. Nas classificações feitas utilizando somente atributos espectrais, obteve-se exatidão média para a classe café de 53\%. Quando repetiu-se as classificações, inserindo também atributos texturais e classes de iluminação do terreno, a exatidão da classe café foi incrementada para 67\%. Em escala municipal a metodologia apresentou melhores resultados, concedendo exatidão para a classe café de 73,83\% no município de Machado, que apresenta relevo acidentado e 82,83\% no município de Alfenas, que trata-se de uma área mais plana. Não houve estádio fenológico que proporcionasse maior exatidão à classe café na classificação automática das imagens OLI/\emph{Landsat-8}.