03122nam a2200157 a 450000100080000000500110000800800410001910000150006024501200007526000160019530000110021150002060022252024880042865300240291665300240294014282152016-02-25       2009    bl uuuu  m   00u1 u    #d1 aLUZ, J. da  aImagens ALOS para o mapeamento da vegetação arbórea e outros usos do solo em área de Floresta Ombrófila Mista.  a2009.c2009  a121 f.  aDissertação (Mestrado em Engenharia Florestal) -  Setor de Ciências Agrárias, Universidade Federal do Paraná, Curitiba. Orientador: Nelson Carlos Rosot; Co-orientador: Maria Augusta Doetzer Rosot.  aO presente estudo teve como objetivo principal avaliar o uso de diferentes algoritmos classificadores em imagens do satélite ALOS para mapeamento do uso do solo e classes de vegetação em um fragmento de Floresta Ombrófila Mista. Como objetivo secundário foram aplicadas e analisadas quatro diferentes técnicas de fusão para as imagens PRISM (2,5 metros de resolução espacial) e AVNIR-2 (10 metros), utilizando três e quatro bandas. As técnicas utilizadas foram as seguintes: HSV, Color normalized (CN), Gram-Schmidt Spectral Sharpening e Principal Components Spectral Sharpening. Para as classificações foram utilizados os algoritmos supervisionados Bhattacharya e Árvore de Decisão (C4.5). A área de estudo foi a Reserva Florestal Embrapa/Epagri localizada no Município de Caçador, SC. Na classificação por árvore de decisão foi utilizado um aplicativo para a geração do conjunto de regras da árvore, o software WEKA e um aplicativo de processamento de imagens, o software ENVI, para a classificação digital (RSI, 2005). Foram utilizadas 61 variáveis (13 espectrais e 48 de textura) representadas em 317 amostras de treinamento de 3 x 3 pixels cada uma. Quando da classificação por Bhattacharya (algoritmo de classificação por crescimento de regiões implementado no software SPRING) foi necessário primeiramente realizar a segmentação da imagem para posterior uso das regiões como amostras de treinamento para a classificação. Devido à limitação do software em processar 61 bandas conjuntamente no processo de segmentação, a técnica Análise de Cluster foi empregada para a seleção de seis bandas representativas do conjunto de dados. Na análise visual e no teste de fidelidade espectral, as técnicas de fusão que apresentaram melhores resultados foram as Componentes Principais e Gram-Schmidt. No teste de transferência de detalhes as quatro técnicas de fusão se mostraram apropriadas. No resultado das classificações o algoritmo que apresentou melhor acurácia foi a Árvore de Decisão, apresentando valor de coeficiente Kappa de 0,966 e acurácia geral de 97% em comparação com o Bhattacharya, que respectivamente apresentou os seguintes valores: 0,755 e 79%. Apesar da técnica Árvore de Decisão apresentar um coeficiente Kappa superior, sua classificação se mostrou com aparência de “salt and pepper”, com pixels isolados, assemelhando-se a uma imagem com ruído, ao contrário da classificação por regiões.  aÁrvore de decisão  aImagem de satélite