Métodos de classificação de imagens na identificação de áreas cultivadas com citros

Abstract

Image classification is the process of extraction of information to recognize patterns and homogeneous objects in remote sensing products to map themes of interest in areas of the surface. This study aimed to compare the efficiency of classification methods of orbital images in areas cultivated with citrus. The study area is located at Água Branca Farm, Bariri City/SP. The GIS - Idrisi 15.0 was used in the image processing of TM LANDSAT-5 satellite images, path/row 221/75, 05/26/2007. The evaluation results of the classification accuracy were satisfactory and the classification of the CLUSTER algorithm had very good quality (0.6485) and the MAXVER algorithm had excellent rating, with kappa of 0.8818. The methods used for the discrimination of areas cultivated with citrus showed different efficiencies in the classification of images. The classifications had satisfactory performance and the CLUSTER classifier was the one that is closer to the real area.

A classificação de imagens é o processo de extração de informações para reconhecer padrões e objetos homogêneos em produtos de sensoriamento remoto para mapear temas de interesse em áreas na superfície terrestre. Esse trabalho teve por objetivo comparar a eficiência de métodos de classificação de imagens orbitais em áreas cultivadas com citros. A área de estudo utilizada foi a Fazenda Água Branco município de Bariri/ SP. O SIG - Idrisi 15.0 foi utilizado no processamento das imagens do satélite LANDSAT-5 TM, órbita/ponto 221/75, passagens de 26/05/2007. No trabalho realizado constatou-se que os resultados da avaliação de acurácia da classificação foram satisfatórios, sendo que a classificação do algoritmo CLUSTER apresentou qualidade muito boa (0,6485) e o algoritmo MAXVER apresentou classificação excelente, com Kappa de 0,8818. Os métodos utilizados para a discriminação das áreas cultivadas com citros mostraram eficiências distintas na classificação das imagens. De modo geral, as classificações apresentaram desempenhos satisfatórios e em termos de comparação de áreas, o classificador CLUSTER foi o que melhor se aproximou da área real.