Fusão de imagens Landsat e MODIS para remoção de nuvens no contexto do mapeamento de áreas de soja

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Weymar Júnior, Luis Carlos Nunes
Orientador(a): Rizzi, Rodrigo
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pelotas
Programa de Pós-Graduação: Programa de Pós-Graduação em Manejo e Conservação do Solo e da Água
Departamento: Faculdade de Agronomia Eliseu Maciel
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: http://guaiaca.ufpel.edu.br/handle/prefix/9108
Resumo: A soja é uma das principais culturas agrícolas do Brasil, que é o maior produtor mundial de soja, e por isso é muito importante o levantamento correto das áreas cultivadas, principalmente nas novas regiões agrícolas. Técnicas de Sensoriamento Remoto podem auxiliar na identificação e mapeamento de áreas cultivadas principalmente por dois métodos distintos. Os automáticos são mais rápidos, enquanto os visuais são demorados, porém mais precisos. O uso de metodologias automáticas pode ter aplicação limitada, principalmente no que diz respeito ao uso de imagens que apresentam dados com ruídos. A fusão de imagens é uma alternativa quando há necessidade de imagens sem ruído. Assim, este trabalho teve como objetivo desenvolver uma metodologia rápida e semiautomática para identificar e mapear áreas cultivadas com soja no sul do Rio Grande do Sul, Brasil, por meio da metodologia Crop Enhancement Index, utilizando imagens OLI e MODIS fusionadas. Primeiro, utilizou-se ambos os conjuntos de imagens para substituir pixels com ruídos nas imagens OLI. Em segundo lugar, aplicou-se três filtros para melhorar a precisão do mapeamento, que eram uma máscara de água, uma banda de infravermelho de ondas curtas (SWIR) e uma imagem de temperatura. Por fim, para avaliar o desempenho da fusão, aplicamos a metodologia CEI excluindo quatro imagens da análise e também substituímos essas imagens por imagens totalmente fusionadas. Os períodos de mínimo e máximo IV mais adequados para o mapeamento da soja são de meados de novembro a início de janeiro e de final de janeiro a final de março, respectivamente. A abordagem dos filtros aumentou o desempenho do mapeamento da soja em 4,34% e o aumento de cada filtro foi de 0,95%, 2,84% e 0,55% para água, SWIR e temperatura, respectivamente. A melhor precisão de mapeamento de soja (71,31%) foi obtida usando imagens fundidas apenas sobre áreas com ruídos em comparação com as análises que excluíram (60,78%) ou usaram quatro imagens totalmente fundidas (69,48%).