No abstract

Numa cultura agrícola é importante identificar áreas infestadas por plantas daninhas com a finalidade de oferecer informações adequadas ao manejo. Partindo-se do pressuposto de que dados multiespectrais de escalas grandes são capazes de fornecer informação adequada e suficiente para a geração de um mapa da distribuição espacial e densidade de plantas daninhas em culturas de café, este artigo apresenta uma abordagem para discriminação dos graus de infestação por plantas daninhas em cultura de café a partir de dados multiespectrais de alta resolução espacial. Para isso, foi realizada uma classificação por Redes Neurais Artificiais - RNA e o mapa temático produzido foi submetido à análise da qualidade temática. A avaliação do resultado mostrou que a classificação por RNA aplicada para discriminar classes de infestação de plantas daninhas em imagens multiespectrais de alta resolução espacial constitui-se num método eficiente confirmando a hipótese inicial.

O propósito deste trabalho é ajustar um modelo de regressão múltipla em função de atributos de imagens de radar polarimétrico, para estimativa da variável morfológica "volume da haste" de macrófitas encontradas na planície de inundação da Amazônia, no Lago Grande de Monte Alegre (Pará - Brasil). Com esta estimativa, pretende-se avaliar o potencial dos dados polarimétricos do sensor ALOS/PALSAR, destacando a importância da informação de fase das imagens de radar. Para este estudo, foram coletados dados de campo em época próxima à aquisição do dado de radar. Variáveis morfológicas, como altura e diâmetro da haste emergente, de três espécies de macrófitas foram medidas em campo e usadas para derivar o "volume da haste", o qual foi modelado usando atributos da imagem de radar. Dois atributos da decomposição de Freeman-Durden, dois de Touzi e um de Pope apresentaram melhor desempenho na modelagem. Apesar do modelo não ter obtido um elevado coeficiente de determinação (44%), ele apresentou boa capacidade preditiva, já que todos os elementos de validação caíram dentro do intervalo de predição de 95% de confiança. Dentre as cinco variáveis independentes do modelo, quatro foram geradas a partir da informação de fase das imagens, o que reforça a importância dessa informação.

The purpose of this work is to evaluate the capacity of full polarimetric L band data to discriminate macrophyte species in Amazon wetland. Fieldwork was carried out almost simultaneously to the acquisition of the full polarimetric PALSAR data. Coherent and incoherent attributes were extracted from the image, and macrophyte morphological variables were measured on the ground. The image attributes and the macrophyte variables were compared in order to evaluate their application for discriminating macrophytes species. The findings suggest that polarimetric information could be adopted to discriminate plant species based on morphology, and that estimation of plant biomass and productivity could be improved by using the polarimetric information.