Autoria: BORGES, E. F.; SANO, E. E.

Resumo: RESUMO: Séries temporais têm possibilitado a identificação de mudanças no uso do solo e a discriminação de fitofisionomias. Este estudo objetivou utilizar séries temporais de índice de vegetação realçado (EVI) da plataforma Terra Modis, filtradas pelas técnicas de logística dupla e fração mínima de ruído (MNF) e classificadas pelo algoritmo spectral angle mapper (SAM) para mapear o uso e cobertura vegetal do Oeste da Bahia. Séries temporais representativas das classes: Campo sujo, Cerrado ralo, Cerrado típico, Cerrado denso, Floresta estacional semidecidual, Floresta estacional decidual, Vegetação secundária, Cultura agrícola e Pastagem cultivada foram utilizadas como membros de referência na aplicação do algoritmo SAM. A acurácia do mapeamento foi analisada por meio de imagens do satélite RapidEye e coeficiente de concordância Kappa. O filtro de logística dupla e a MNF reduziram significativamente os ruídos presentes nas imagens. A classificação discriminou as classes supracitadas (índice Kappa = 0,8), todavia, baseado em dados anteriores disponíveis na literatura, houve subestimação da Pastagem cultivada e superestimação do Cerrado típico. Esse estudo permitiu demonstrar o potencial de séries temporais do sensor Modis para discriminar classes de uso e cobertura vegetal representativas do Oeste da Bahia. ABSTRACT: Temporal series have enabled the identification of changes in land use and the discrimination of phytophysiognomies. This study aimed at using time series of enhanced vegetation index (EVI) of Terra Modis platform, filtered by the double logistics and minimum noise fraction (MNF) algorithms and classified by the spectral angle mapper (SAM) technique to map land use and land cover (LULC) classes from western Bahia. Representative time series of shrub Savanna, sparse Savanna, typical Savanna, dense Savanna, seasonal forest, dry forest, secondary vegetation, croplands and pasturelands were used as reference members in applying the SAM algorithm. The accuracy of mapping was analyzed by RapidEye satellite images and the Kappa´s coefficient of agreement. The double logistics and the MNF filters reduced significantly the noise in the images. The classification discriminated all LULC classes (Kappa index = 0.8), however, there were, according to data available in the literature, underestimation of pasturelands and overestimation of typical Savanna. This study demonstrated the potential of time series of Modis sensor to discriminate representative LULC classes of western Bahia.

Ano de publicação: 2014

Tipo de publicação: Artigo de periódico

Unidade: Embrapa Cerrados

Palavras-chave: Bahia, Brasil, Cerrado, Cobertura vegetal, Minimum Noise Fraction, Spectral Angle Mapper, Índice de Vegetação