Geoprocessamento na discriminação de pastagens degradadas utilizando rede neural artificial em imagem Ikonos II

• Ano de defesa: 2006
• Autor(a) principal: Silva, Edgley Pereira da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Fertilidade do solo e nutrição de plantas; Gênese, Morfologia e Classificação, Mineralogia, Química,; Doutorado em Solos e Nutrição de Plantas; UFV
• Palavras-chave em Português: Geoprocessamento; Pastagens; Degradação; Rede neural artificial; Sistemas de informação geográfica; Sensoriamento remoto; Geoprocessing; Pastures; Environmental degradation; Artificial neural network; Geographic information systems; Remote sensing; CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO
• Link de acesso: http://locus.ufv.br/handle/123456789/1671

A pecuária brasileira atingiu a partir da década de 60, uma crescente expansão e consequentemente um aumento em áreas pastagem. Todavia, a perda gradual da capacidade produtiva destas pastagens após alguns anos, tem sido uma constante, principalmente em áreas de exploração extensivas. A recuperação de pastagens degradadas é de difícil implementação devido à falta de informações atualizadas e detalhadas a respeito da sua distribuição espacial. A utilização do sensoriamento remoto por ser uma tecnologia cujos dados podem ser obtidos a baixo custo, com repetitividade e numa escala compatível com a dimensão do problema, pode contribuir em muito para a solução deste problema. A área de estudo localiza-se no município de João Pinheiro, noroeste do estado de Minas Gerais, abrangendo uma área de 100 km2. Os objetivos deste estudo foram: a) diagnosticar e quantificar a área quanto aos sistemas de uso e quanto ao estágio de produtividade das pastagens e b) aplicar métodos de classificação automática em imagem de alta resolução utilizando Redes Neurais Artificiais. Foi utilizada imagem do satélite Ikonos II com resolução espacial de um m. A exatidão do mapeamento foi verificada utilizando-se o índice Kappa. A interpretação visual da imagem e trabalho de campo possibilitou a identificação de pastagens nas seguintes categorias de degradação: nula degradação, baixa degradação, média degradação e intensa degradação. As pastagens presentes na área eram predominantemente de Brachiaria brizantha (1.693 ha), Andropogon gayanus (192 ha) e Panicum maximum (231 ha). De acordo com o índice Kappa, a classificação visual de imagem Ikonos II tem alto potencial para diagnosticar a produtividade das pastagens. As técnicas de classificação em imagens Ikonos II, mostraram-se eficientes na discriminação dos níveis de degradação das pastagens. Os métodos de Máxima verossimilhança e RNA não diferiram estatisticamente e, portanto apresentam alto potencial para classificação de imagem de alta resolução espacial. A avaliação qualitativa dessas imagens mostrou um resultado satisfatório. O método ISODATA foi estatisticamente inferior para imagem de alta resolução espacial. Com os resultados alcançados, abrem-se novas perspectivas para trabalhos futuros, utilizando RNA e situações diferentes, contribuindo para o desenvolvimento do processamento digital de imagem.