Comparação de dados dos satélites Ikonos-II e Landsat/ETM+ no estudo de áreas cafeeiras

Abstract

Resumo -O objetivo deste trabalho foi avaliar o impacto do aumento da resolução espacial e radiométrica da imagem pancromática do Ikonos-II na identificação de plantios de café (Coffea arabica), em comparação com as imagens do Landsat/ETM+. A área de estudo está localizada no Município de Pedregulho, SP, onde foram selecionados 50 talhões com plantios de café, e foram levantados dados referentes à altura, idade, espaçamento e variedade de cada talhão. As imagens permitiram a identificação de talhões com características diferentes em campo, tendo-se destacado a imagem do Ikonos-II, que apresentou melhor desempenho. Para os talhões com características iguais em campo, as imagens analisadas não se mostraram eficientes, independentemente do satélite utilizado. As correções atmosféricas e radiométricas, na imagem do Ikonos-II, não proporcionaram ganho efetivo nas análises realizadas. A maioria dos talhões identificados na imagem do Ikonos-II pode ser localizada na imagem do Landsat/ETM+ (68%). A correlação significativa entre a banda 4 do Landsat/ETM+ e o canal pancromático do Ikonos-II indica uma forma de ligação entre as imagens dos dois satélites.Termos para indexação: Coffea arabica, sensoriamento remoto, imagem pancromática. Comparison between Ikonos-II and Landsat/ETM+ satellites data in the study of coffee areasAbstract -The objective of this work was to assess the impact of the better spatial and radiometric resolutions of the Ikonos-II panchromatic image, for the identification of coffee (Coffea arabica) planting areas, in comparison with a Landsat/ETM+ image. The area of study is situated in the city of Pedregulho, State of São Paulo, Brazil, where 50 coffee fields were selected. Information about plants features, like height, age, spacing and variety were collected. Images allowed the identification of coffee areas with different field features, and the calibrated Ikonos-II image showed the best results. Considering the areas with similar field features, images from both satellites were not efficient in the coffee identification. The atmospheric and radiometric corrections applied on the Ikonos-II image did not improve the analyses results. More than half of the identified areas in the Ikonos-II image could be found in the Landsat/ETM+ image (68%). The significant correlation between Landsat/ETM+ band 4 and Ikonos-II panchromatic channel shows a link between both satellite images.Index terms: Coffea arabica, remote sensing, panchromatic image. IntroduçãoEstimativas da produção agrícola são de grande importância para a economia do país, uma vez que fornecem suporte aos formuladores de políticas agrícolas e aos tomadores de decisão do setor privado, ligados a atividades agropecuárias (Vicente et al., 1990). Para commodities agrícolas, como o caso do café, informações precisas, em tempo hábil e com baixo custo, sobre a extensão e o rendimento da cultura são instrumentos valiosos para o planejamento e comercialização das safras. Tendo-se em vista que produção de café é um importante segmento da economia brasil...

Developing detailed age-specific thematic maps for coffee (Coffea arabica L.) in heterogeneous agricultural landscapes using random forests applied on Landsat 8 multispectral sensor

“…It was also demonstrated that it is possible to estimate coffee yield from phenological behaviour of coffee extracted from remotely sensed data (Moreira et al 2004;Brunsell et al 2009;Bernardes et al 2012). A comparative study showed that the high-resolution IKONOS imagery performed better than Landsat ETM+ in land cover classification in a coffee-dominated landscape (Ramirez et al 2006). Although these studies are positive steps towards development of reliable and spatially explicit coffee inventories, one missing component is age of the coffee plantations.…”

Mapeamento de fragmentos florestais com monodominância de aroeira a partir da classificação supervisionada de imagens Rapideye

“…Entre os métodos de classificação supervisionada de imagens, o algoritmo da máxima verossimilhança (Maxver) figura entre uma das metodologias mais aplicadas a estudos de caracterização, mensuração e monitoramento de áreas florestais e agrícolas (AMARAL et al, 2009;MOREIRA et al, 2010;RAMIREZ et al, 2010). Outra metodologia de classificação de imagens que merece destaque são as redes neurais artificiais (RNA).…”

Análise da influência vegetacional na altimetria dos dados SRTM em bacias hidrográficas no semiárido

“…Mudanças em escala local, a poucas dezenas de metros, são facilmente reconhecíveis e geralmente ligadas a uma alteração ambiental claramente identificável, como desmatamento ou queimadas, por exemplo. Além disso, Ramirez et al (2006) verificaram correlação positiva entre a altura e a classe de vegetação em condições de áreas sem a realização de podas nas árvores. As variações numa escala de regiões, abrangendo milhares de quilômetros quadrados, são menos identificáveis, em virtude dos limites difusos, da causalidade múltipla e da variabilidade local interna a cada uma delas (GONDIM et al, 2008).…”