Análise de imagens do satélite ALOS PALSAR para discriminar fitofisionomias do bioma Cerrado : estudo de caso no Parque Nacional da Chapada dos Veadeiros

Abstract

Cerrado é o termo brasileiro para as formações vegetais savânicas encontradas no Planalto Central brasileiro e é o segundo maior bioma do Brasil. A exploração dos recursos naturais desse bioma tem sido feita por meio de lavouras mecanizadas e criações extensivas de gado bovino. Em 2002, 40% da cobertura vegetal natural desse bioma já haviam sido removidas por alguma atividade antrópica Em 2010, essa porcentagem aumentou para aproximadamente 49%. O Cerrado é considerado um hotspot para conservação da biodiversidade. Mesmo assim, pouco mais de 2% do bioma é protegido em termos de unidades de conservação federal. Uma dessas unidades é o Parque Nacional Chapada dos Veadeiros (PNCV), localizado no nordeste do estado de Goiás. Nesse parque, estudos de reconhecimento e discriminação de classes de cobertura vegetal têm sido realizados com dados obtidos por sensoriamento remoto, mais especificamente os satélites Landsat ETM+ e Terra MODIS. Os sensores ópticos são bastante úteis no mapeamento de alvos na superfície terrestre, contudo é importante reconhecer algumas de suas limitações, como a dependência das condições atmosféricas (cobertura de nuvens). Uma alternativa é o uso de sensores de radar de abertura sintética (SAR), que possuem fonte própria de REM e operam na faixa espectral das microondas. Nesse sentido, o objetivo desse trabalho é analisar o potencial das imagens do ALOS PALSAR para discriminar as principais fitofisionomias do bioma Cerrado, tendo como estudo de caso, o PNCV. Para tanto, três métodos de classificação de imagens foram utilizados: segmentação e ISOSEG, MAXVER-ICM (máxima verossimilhança - iterated conditional mode) e SVM (support vector machine). A acurácia dos resultados dessas três classificações foi analisada por meio de exatidão global, erros de omissão e comissão e índice Tau ( ). Embora o classificador MAXVER-ICM tenha apresentado acurácia mais alta, os três classificadores tiveram desempenhos parecidos: exatidões globais variando entre 75% a 78% e índices variando de 0,71 a 0,76. Esses valores estão no intervalo de concordância denominado “muito boa”, apenas um nível abaixo da categoria mais alta. ______________________________________________________________________________ ABSTRACT

Cerrado is the Brazilian term for savanna vegetation found in the Brazilian Central Plateau and is the second largest biome in Brazil. The exploitation of natural resources of this biome has been made through extensive mechanized crops and livestock cattle. In 2002, 40% of the natural vegetation of this biome had been removed by human activities. In 2010, this percentage increased to approximately 49%. The Cerrado is considered a hotspot for biodiversity conservation. Even so, just over 2% of the biome is protected in terms of federal conservation units. One of these units is the Chapada dos Veadeiros National Park (PNCV), located in the northeastern State of Goiás. In this park, studies of recognition and discrimination of vegetation classes have been conducted with data obtained by remote sensing, especifically Landsat ETM + and Terra MODIS. Optical sensors are useful in mapping the Earth's surface targets, but it is important to recognize some of its limitations, such as dependence on atmospheric conditions (cloud cover). An alternative is the use of sensors with synthetic aperture radar (SAR), which have their own source of electromagnetic radiation and operating in the microwave spectral range. In this sense, the objective of this dissertation is to analyze the potential of ALOS PALSAR images to discriminate the main physiognomies of the Cerrado biome, taking as case study, the PNCV. For this purpose, three methods of image classification were used: segmentation plus ISOSEG, MAXVER-ICM (maximum likelihood-iterated conditional mode) and SVM (support vector machine). The accuracy of results from these three classifications was evaluated by global accuracy, errors of omission and commission and Tau ( ) index. Although the MAXVER-ICM classifier presented highest accuracy, the three classifiers had similar performance: overall accuracies ranging from 75% to 78% and index ranging from 0.71 to 0.76. These values are in the range of concordance called "very good", just one level below the highest category.