Sensoriamento remoto e geoestatística na caracterização espaço-temporal de plantas aquáticas

• Ano de defesa: 2006
• Autor(a) principal: Lima, Daniel Luís de [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Cartografia; Vegetação - Mapeamento; Plantas aquáticas; Imagens multiespectrais; Geostatistics; Multiespectral images
• Link de acesso: http://hdl.handle.net/11449/86812

Devido ao seu caráter sinóptico e repetitivo, as imagens de satélite constituem-se em um recurso valioso no processo de mapear e monitorar a dispersão de plantas aquáticas em reservatórios de hidrelétricas, cuja ocorrência é um problema de importância crescente no Brasil. Considerando que a disponibilidade de imagens multiespectrais e multitemporais representa o registro de um fenômeno particularmente importante no contexto da utilização da água para geração de energia, a proposta deste trabalho é buscar um método que permita usar dados multiespectrais adquiridos em diferentes momentos do tempo para caracterizar a infestação por plantas aquáticas em reservatórios. Para isso, foram utilizadas técnicas de análise de imagens multiespectrais e geoestatística, no sentido de se obter um modelo do comportamento, no espaço e no tempo, da ocorrência dessas plantas aquáticas. No entanto, a modelagem da distribuição espaço-temporal de fenômenos dinâmicos não é trivial, principalmente quando a variável deve ser analisada em diferentes domínios: multiespectral, espacial e temporal. Para verificar a hipótese de que a abordagem geoestatística é aplicável neste contexto, foi realizado um experimento utilizando imagens multiespectrais, de diferentes sensores e satélites, abrangendo o Reservatório de Salto Grande em Americana/SP. O conjunto de dados foi submetido a uma série de pré-processamentos a fim de garantir a consistência geométrica e radiométrica das análises, bem como diminuir sua dimensionalidade no domínio multiespectral. Em seguida, foram ajustadas as componentes (ou modelos) espacial e temporal, separadamente, e integradas em um único modelo espaço-temporal, que caracteriza a estrutura da dispersão espaçotemporal do fenômeno. Por fim, o modelo obtido foi utilizado na previsão do fenômeno em um futuro próximo através de uma interpolação por krigagem.