Geostatistics and remote sensing methods in the classification of images of areas cultivated with citrus
Carregando...
Data
2013-12-01
Autores
Silva, Alessandra F. [UNESP]
Barbosa, Ana Paula [UNESP]
Zimback, Célia Regina Lopes [UNESP]
Landim, Paulo M. B. [UNESP]
Título da Revista
ISSN da Revista
Título de Volume
Editor
Associação Brasileira de Engenharia Agrícola (SBEA)
Resumo
This study compares the precision of three image classification methods, two of remote sensing and one of geostatistics applied to areas cultivated with citrus. The 5,296.52ha area of study is located in the city of Araraquara - central region of the state of São Paulo (SP), Brazil. The multispectral image from the CCD/CBERS-2B satellite was acquired in 2009 and processed through the Geographic Information System (GIS) SPRING. Three classification methods were used, one unsupervised (Cluster), and two supervised (Indicator Kriging/IK and Maximum Likelihood/Maxver), in addition to the screen classification taken as field checking.. Reliability of classifications was evaluated by Kappa index. In accordance with the Kappa index, the Indicator kriging method obtained the highest degree of reliability for bands 2 and 4. Moreover the Cluster method applied to band 2 (green) was the best quality classification between all the methods. Indicator Kriging was the classifier that presented the citrus total area closest to the field check estimated by -3.01%, whereas Maxver overestimated the total citrus area by 42.94%.
O objetivo deste trabalho foi comparar a precisão de métodos de classificação de imagens orbitais na determinação de áreas cultivadas com citros, por métodos de sensoriamento remoto e de geoestatística. A área de estudo utilizada nesta pesquisa está localizada na cidade de Araraquara, região central do Estado de São Paulo, com 5.296,52 ha. Foi utilizada a imagem multiespectral do satélite CCD/CBERS 2B, adquirida em 2009 e processada no Sistema de Informações Geográficas (SIG) SPRING. Três métodos de classificação foram utilizados, sendo um não supervisionado (Cluster) e dois supervisionados (Krigagem Indicativa/KI e Máxima verossimilhança/Maxver), além da classificação em tela tida como verdade terrestre. A fidedignidade das classificações foi avaliada pelo índice Kappa. A Krigagem Indicativa foi o método que melhor classificou as áreas de citros na banda 4, com forte grau de concordância, conforme a estatística kappa, para as bandas 2 e 4. Pela validação, o Cluster para a banda 2 (verde) foi o classificador que obteve a melhor qualidade. A Krigagem Indicativa foi o classificador que apresentou área total de citros mais próxima da verdade terrestre em -3,01%, enquanto o Maxver foi o classificador que mais superestimou a área total de citros em 42,94 %.
O objetivo deste trabalho foi comparar a precisão de métodos de classificação de imagens orbitais na determinação de áreas cultivadas com citros, por métodos de sensoriamento remoto e de geoestatística. A área de estudo utilizada nesta pesquisa está localizada na cidade de Araraquara, região central do Estado de São Paulo, com 5.296,52 ha. Foi utilizada a imagem multiespectral do satélite CCD/CBERS 2B, adquirida em 2009 e processada no Sistema de Informações Geográficas (SIG) SPRING. Três métodos de classificação foram utilizados, sendo um não supervisionado (Cluster) e dois supervisionados (Krigagem Indicativa/KI e Máxima verossimilhança/Maxver), além da classificação em tela tida como verdade terrestre. A fidedignidade das classificações foi avaliada pelo índice Kappa. A Krigagem Indicativa foi o método que melhor classificou as áreas de citros na banda 4, com forte grau de concordância, conforme a estatística kappa, para as bandas 2 e 4. Pela validação, o Cluster para a banda 2 (verde) foi o classificador que obteve a melhor qualidade. A Krigagem Indicativa foi o classificador que apresentou área total de citros mais próxima da verdade terrestre em -3,01%, enquanto o Maxver foi o classificador que mais superestimou a área total de citros em 42,94 %.
Descrição
Palavras-chave
Krigagem Indicativa, Cluster, Maxver, satélite CBERS-2B, classificação espacial, Indicator Kriging, Cluster, Maxver, CBERS-2B satellite, spatial classification
Como citar
Engenharia Agrícola. Associação Brasileira de Engenharia Agrícola, v. 33, n. 6, p. 1245-1256, 2013.