Rotinas de tratamento digital de imagem Landsat 5/TM para a identificação de queimadas em lavouras canavieiras / Handling Landsat 5/TM digital image to identify burned in sugarcane plantations

O presente estudo teve como objetivo avaliar o desempenho de classificadores supervisionados e não-supervisionados para detecção automática de queimadas em canaviais utilizando imagens de satélite Landsat-5/TM. A área de estudo localiza-se na porção noroeste do município de Maracaju, MS, Brasil. Diferentes métodos de classificação e tratamento de imagem foram testados para mapear a colheita de cana com queima prévia de palha. As imagens foram tratadas com reamostragem para 15m, correção radiométrica e NDVI. Nas classificações, foram utilizados os algoritmos Maxver-ICM, Bhattacharya e ISOSEG. Os diferentes pré-processamentos e classificadores aplicados foram submetidos à validação estatística por meio dos parâmetros Kappa e exatidão global. Os resultados indicaram um expressivo potencial de classificadores supervisionados na identificação de queimadas de cana. Concluiu-se que é possível obter exatidões qualificadas como excelente quando empregado o classificador de Máxima Verossimilhança-ICM.

The present study aimed to evaluate the performance of supervised classifiers and unsupervised for automatic detection of fires in cane fields using satellite images Landsat-5/TM. The study area is located in the northwest from the town of Maracaju, state of Mato Grosso do Sul, Brazil. Different methods of classification and image processing were tested to map the cane harvesting prior to straw burning. The images were treated with resampling to 15m, radiometric correction and NDVI. The classifications were used algorithms Maxver-ICM, Bhattacharya and ISOSEG. The different pre-processing and applied classifiers were submitted to statistical validation through the parameters Kappa and overall accuracy. The results indicated a significant potential for supervised classifiers in identifying burnt cane. It was concluded that it is possible to obtain accuracies classified as excellent when used the Maximum Likelihood Classifier-ICM.

Discriminação de variedades de citros em imagens CCD/CBERS-2 / Discrimination of citrus varieties using CCD/CBERS-2 satellite imagery

O presente trabalho teve o objetivo de avaliar as imagens CCD/CBERS-2 quanto à possibilidade de discriminarem variedades de citros. A área de estudo localiza-se em Itirapina (SP) e, para este estudo, foram utilizadas imagens CCD de três datas (30/05/2004, 16/08/2004 e 11/09/2004). Um modelo que integra os elementos componentes da cena citrícola sensoriada é proposto com o objetivo de explicar a variabilidade das respostas das parcelas de citros em imagens orbitais do tipo CCD/CBERS-2. Foram feitas classificações pelos algoritmos Isoseg e Maxver e, de acordo com o índice kappa, concluiu-se que é possível obterem-se exatidões qualificadas como muito boas, sendo que as melhores classificações foram conseguidas com imagens da estação seca.

This paper was aimed at evaluating the possibility of discriminating citrus varieties in CCD imageries from CBERS-2 satellite ("China-Brazil Earth Resouces Satellite"). The study area is located in Itirapina, São Paulo State. For this study, three CCD images from 2004 were acquired (May 30, August 16, and September 11). In order to acquire a better understanding and for explaining the variability of the spectral behavior of the citrus areas in orbital images (like as the CCD/CBERS-2 images) a model that integrates the elements of the citrus scene is proposed and discussed. The images were classified by Isoseg and MaxVer classifiers. According to kappa index, it was possible to obtain classifications qualified as 'very good'. The best results were obtained with the images from the dry season.