Classificaçao orientada a regioes na discriminaçao de tipologias da floresta ombrófila mista usando imagens orbitais ikonos

Abstract

Desde a década de 70, técnicas de Sensoriamento Remoto têm sido usadas para estudar os recursos naturais. A partir da década de 90, o lançamento de satélites com sensores de alta resolução levou à implementação de novas abordagens no processamento digital de imagens. O mapeamento florestal é uma das ferramentas fundamentais para efetuar o diagnóstico atual da situação de remanescentes florestais, possibilitando, assim, a definição de estratégias que poderão conciliar a conservação da natureza e o desenvolvimento econômico de uma propriedade ou região. A presente pesquisa avaliou a possibilidade de se identificar e discriminar tipologias florestais presentes em um fragmento de Floresta Ombrófila Mista, visando desenvolver uma metodologia para o mapeamento dos remanescentes deste ecossistema de forma rápida, com baixo custo e precisão aceitável. Neste estudo de caso, os trabalhos foram realizados na Reserva Florestal EMBRAPA/EPAGRl, localizada no município de Caçador-SC. Levantamentos de campo, através do apontamento de áreas consideradas "alvo", forneceram um importante suporte para a definição das tipologias presentes na área de estudo. Em imagem Ikonos foram aplicadas técnicas de processamento digital de imagens, testando-se algoritmos de segmentação e classificação orientada a regiões como ferramentas para a descrição do estado atual da floresta. A avaliação do processamento digital foi efetuada comparando-se os resultados com um mapa-, referência ("verdade de campo"), elaborado no software ArcView, por meio de interpretação visual da imagem via tela do monitor. A definição das classes de mapeamento foi baseada na presença de espécies indicadoras de estágio sucessional com fisionomia arbustiva a arbórea que compõem o dossel da floresta. O mapeamento foi estruturado em dois níveis hierárquicos, sendo o primeiro referente aos estágios sucessionais e, o segundo, às tipologias propriamente ditas. Foram definidas e mapeadas 13 classes temáticas por meio de interpretação visual, sendo oito destas referentes a tipologias florestais. Métodos de análises qualitativas e quantitativas foram empregados para a definição dos melhores pares de limiares para o processo de segmentação. Para tanto, na análise quantitativa desenvolveu-se uma modificação do índice IAVAS, denominado IAVASmod' Este índice permitiu comparar os diferentes limiares de similaridade e área, eliminando, com isto, a subjetividade de uma avaliação qualitativa na definição das melhores combinações de pares limiares. Dentre os pares testados, o melhor foi o par de limiares 35 para similaridade e 1.200 para área. As regiões geradas por este par de limiares foram submetidas ao processo de classificação, empregando-se os algoritmos "Isoseg" e "Bhattacharyya", disponíveis no software SPRlNG. Na classificação digital, reduziu-se para 11 o número de classes devido à não discriminação de uma classe referente à tipologia florestal e o agrupamento de outras duas referentes ao uso do solo. A classificação digital supervisionada apresentou-se eficiente para discriminar a tipologia "Predominância de Araucária". Para as demais tipologias florestais o classificador Bhattacharyya não demonstrou uma performance adequada, fato que influenciou os baixos valores de acuracidade geral (51,73%) e o índice kappa (0,43).