Navegando por Autor "Souza, Carolina Gusmão"

Agora exibindo 1 - 6 de 6

CLASSIFICAÇÃO AUTOMÁTICA DE IMAGEM DO SATÉLITE RAPIDEYE PARA O MAPEAMENTO DE ÁREAS CAFEEIRAS EM CARMO DE MINAS, MG
(2011) Souza, Katiane Ribeiro; Vieira, Tatiana Grossi Chquiloff; Alves, Helena Maria Ramos; Anjos, Liliany Aparecida dos; Souza, Carolina Gusmão; Andrade, Livia Naiara; Embrapa - Café
O mapeamento de áreas cafeeiras é o primeiro passo para estimar a produção e propor modelos de previsãodas safras, monitoramento ambiental e planejamento sustentável do agronegócio café. Estudos atuais descrevem metodologias de mapeamentos utilizando imagens de satélite. Recentemente foi lançado o sistema RapidEye, uma constelação de cinco satélites que carregam sensores com resolução espacial de 5 m e possibilidade de revisita na mesma área em períodos de 24 horas a 5,5 dias. O objetivo do presente estudo foi testar metodologias de classificação automática em uma imagem RapidEye visando o mapeamento de áreas cafeeiras em região de relevo fortemente ondulado. A resposta espectral da cafeicultura na imagem RapidEye apresentou-se bastante complexa em função das variáveis culturais e do ambiente. A precisão do mapeamento pelo método MAXVER editado foi considerada boa, com índice Kappa de 73%. A classe temática café foi bem mapeada por esse método. Para melhorar a qualidade do mapeamento automático de áreas cafeeiras é imprescindível o auxílio da interpretação visual e campanhas de campo para conferência da resposta espectral presentes na imagem RapidEye.
GESTÃO AMBIENTAL E PRODUÇÃO SUSTENTADA DE CAFE EM ÁREA DE PROTEÇÃO AMBIENTAL. I - CARACTERIZAÇÃO DA VEGETAÇÃO
(2009) Borém, Rosângela Alves Tristão; Santos, Rubens Manoel dos; Pífano, Daniel Salgado; Domingos, Daniel Quedes; Guadalberto, Vicente; Souza, Carolina Gusmão; Zanella, Lisiane; Embrapa - Café
A Área de Proteção Ambiental (APA) de Coqueiral está localizada no sul de Minas Gerais – Brasil. Na APA vivem cerca de 400 produtores familiares que tem como fonte de renda a cafeicultura, em um sistema de produção ligado ao meio ambiente. Os prejuízos para a flora, fauna e para a população local do uso inadequado dos recursos naturais são evidentes, e levaram a queda da qualidade de vida das populações rurais da região. Torna-se urgente a adoção de medidas que aumentem a produtividade dos cafezais e forneçam alternativas de renda para os produtores, o que pode ocorrer com a implantação de um sistema de gestão ambiental. Diante da necessidade de recuperar a lavoura cafeeira e alcançar a sustentabilidade ambiental este trabalho tem o objetivo de realizar uma caracterização do ambiente (solo, flora e fauna) para subsidiar um plano de gestão integrada da APA visando a multifuncionalidade da agricultura. Nesta primeira etapa realizou-se a caracterização da vegetação e a análise da estrutura da comunidade arbórea que ocorre ao longo de um gradiente altitudinal alterado antropicamente, de forma a estabelecer critérios adequados para seu manejo e sua recuperação. Os indivíduos foram amostrados em coletas extensivas na área e intensivas dentro de 20 parcelas de 400m2. O solo variou de Latossolo Vermelho-Amarelo distrófico câmbico nas encostas a aluvial mesotrófico na área inundável. Foram encontrados 1241 indivíduos vivos, pertencentes a 168 espécies, 116 gêneros e 56 famílias botânicas. O índice de diversidade (H’) para as espécies foi de 4,46 nats/indivíduos e a equabilidade (J) foi de 0,87. Os 1241 indivíduos inventariados (nas 20 parcelas amostradas) distribuíram-se em 168 espécies, 116 gêneros e 56 famílias. Os gêneros que apresentaram maior número de espécies foram: Eugenia (8), Casearia (6), Ocotea (6), Machaerium (4) e Maytenus (4) contribuindo juntos com 36,3% das espécies. As famílias que sobressaíram por apresentarem alta riqueza foram: Myrtaceae (191), Fabaceae caesalpinioideae (134), Rubiaceae (109), Salicaceae (91), Celastraceae (59), Euphorbiaceae (43), Anacardiaceae (34), Combretaceae (24) e Thymelaeaceae (22), as quais representaram 61,4% da flora. As famílias Myrtaceae e Rubiaceae apresentaram alto número de espécies, corroborando com 21,4% das espécies amostradas; a freqüência das espécies dessas famílias decresceu em solos eutróficos e aumentou em solos distróficos sugerindo a associação dessas famílias a solos distróficos.
Multitemporal variables for the mapping of coffee cultivation areas
(Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2019) Souza, Carolina Gusmão; Arantes, Tássia Borges; Carvalho, Luis Marcelo Tavares de; Aguiar, Polyanne
The objective of this work was to propose a new methodology for mapping coffee cropping areas that includes multitemporal data as input parameters in the classification process, by using the Landsat TM NDVI time series, together with an object-oriented classification approach. The algorithm BFAST was used to analyze coffee, pasture, and native vegetation temporal profiles, allied to a geographic object-based image analysis (GEOBIA) for mapping. The following multitemporal variables derived from the R package greenbrown were used for classification: mean, trend, and seasonality. The results showed that coffee, pasture, and native vegetation have different temporal behaviors, which corroborates the use of these data as input variables for mapping. The classifications using temporal variables, associated with spectral data, achieved high-global accuracy rates with 93% hit. When using Only temporal data, ratings also showed a hit percentage above 80% accuracy. Data derived from Landsat TM time series are efficient for mapping coffee cropping areas, reducing confusion between targets and making the classification process more accurate, contributing to a correct characterization and mapping of objects derived from a RapidEye image, with a high spatial solution.
REDES NEURAIS ARTIFICIAIS (RNA) APLICADAS À CLASSIFICAÇÃO DE ÁREAS CAFEEIRAS NA REGIÃO DE TRÊS PONTAS-MG
(2011) Andrade, Lívia Naiara de; Vieira, Tatiana Grossi Chquiloff; Lacerda, Wilian Soares; Volpato, Margarete Marin Lordelo; Alves, Helena Maria Ramos; Silva, Alexsandro Cândido de Oliveira; Souza, Carolina Gusmão; Embrapa - Café
A cafeicultura é atividade de fundamental importância na região Sul do estado de Minas Gerais, no Brasil, e técnicas de estimativa da área plantada, visando previsões de safra confiáveis, estão sendo intensamente pesquisadas. Este estudo apresenta uma aplicação de Redes Neurais Artificiais (RNA) para a classificação automática de dados de sensoriamento remoto, com o objetivo de identificar áreas cafeeiras na região de Três Pontas, Sul de Minas Gerais. Um fator complicador é a alta similaridade do padrão espectral do café com áreas de mata nativa. Foram criadas máscaras na drenagem e na área urbana. O resultado da classificação feita pela RNA foi superior aos resultados encontrados na literatura, com um índice kappa de 69%.
RELAÇÃO ESPAÇO TEMPORAL DA CAFEICULTURA COM AS ÁREAS DE PRESERVAÇÃO PERMANENTE NA REGIÃO DE TRÊS PONTAS, MINAS GERAIS
(2011) Souza, Carolina Gusmão; Alves, Helena Maria Ramos; Vieira, Tatiana Grossi Chquiloff; Volpato, Margarete Marin Lordelo; Andrade, Lívia Naiara de; Souza, Katiane Ribeiro; Embrapa - Café
As Áreas de Preservação Permanente são espaços protegidos cobertos ou não por vegetação nativa, com a função ambiental de preservar os recursos hídricos, a paisagem, a estabilidade geográfica, a biodiversidade, o fluxo gênico de fauna e flora, proteger o solo e assegurar o bem-estar das populações humanas. Desde a década de 70, com a expansão da cafeicultura em Minas Gerais, ocorreram inúmeras mudanças no uso e ocupação da terra. No cenário atual a cafeicultura corresponde a 70% da renda das propriedades rurais da região Sul do estado e região de Três Pontas tem sua economia baseada na produção de café. A expansão das fronteiras agrícolas devido à pressão econômica foi uma das grandes motivadoras da mudança no uso da terra e da substituição da vegetação natural, o que acarretou na supressão das áreas destinadas a preservação permanente. Neste intuito, este estudo objetivou delimitar e caracterizar as Áreas de Preservação Permanente de uma área piloto na região de Três Pontas, entre os anos de 1987 a 2010, utilizando geotecnologias, de forma a avaliar o impacto da cafeicultura sobre o ambiente da região. Para delimitar as áreas de preservação permanente, foi utilizada uma carta topográfica do IBGE e imagens do satélite Landsat 5, sensor TM. Foram utilizados os mapas de uso da terra de 1987 a 2010. A hidrografia da região foi obtida por meio da digitalização da carta topográfica. Foi realizado, na rede de drenagem, o levantamento espacial das áreas que deveriam estar preservadas, utilizando a relação de proximidade (buffer). Foi realizado o cruzamento da hidrografia com os mapas de uso da terra, para obtenção das áreas preservadas e não preservadas. Os resultados mostraram que o município apresentou um parque cafeeiro diversificado para todos os anos estudados. Em todos os anos de estudo foi observada uma preservação de mais de 50% das Áreas de Preservação Permanente, com exceção do ano de 2000 que apresentou 75% de áreas não preservadas. Da percentagem das Áreas de Preservação Permanente não preservadas, a cafeicultura ocupa cerca de 10%, o que mostra que esta cultura não é a grande responsável pela ocupação indevida dessas áreas. De qualquer forma, a avaliação mostra que a região não se adéqua às exigências do Código Florestal, uma vez que estas áreas deveriam ser integralmente preservadas.
Uso de séries temporais para o mapeamento da cafeicultura
(Universidade Federal de Lavras, 2015-02-24) Souza, Carolina Gusmão; Carvalho, Luis Marcelo Tavares de
A cafeicultura representa uma das principais atividades agrícolas, com grande importância no Brasil e no mundo, sendo o estado de Minas Gerais o maior produtor de café do país. Estimar os dados básicos desta cultura corretamente é um desafio, uma vez que as informações obtidas são pouco detalhadas e o setor ainda é carente de dados precisos. As geotecnologias têm sido promissoras para suprir esta lacuna, avaliando de forma mais precisa a dinâmica da cafeicultura. Porém, o mapeamento dessas áreas ainda é uma tarefa difícil, uma vez que elas são muito complexas de serem mapeadas, apresentando uma alta confusão entre os alvos. Para suprir esta necessidade, este trabalho foi realizado com o objetivo geral de propor uma metodologia para o mapeamento da cafeicultura, por meio de variáveis multiespectrais e multitemporais. O estudo foi conduzido em duas áreas distintas do estado de Minas Gerais, uma na região sul e a outra na região centro-oeste. Primeiramente, foram realizadas classificações, utilizando imagens de alta resolução do satélite RapidEye, testando diferentes algoritmos de aprendizagem de máquina e a combinação de diferentes variáveis (espectrais, geométricas e texturais) no processo de classificação. Os resultados mostraram que o algoritmo Support Vector Machine obteve os melhores resultados nas classificações para todas as áreas, com acurácia global de 88,33%. As variáveis texturais, quando associadas às espectrais, melhoraram a acurácia da classificação, porém, não houve diferença significativa entre as classificações. Apesar de os resultados terem se mostrado com bons índices de acerto, ainda houve muita confusão entre as classes. Foi proposto um novo método de mapeamento, utilizando dados multitemporais como variáveis no processo de classificação. Os resultados mostraram que os índices de acerto utilizando as variáveis multitemporais, integrados a variáveis espectrais, apresentaram índices de acurácia global de 93,00% e diminuíram significativamente a confusão entre os alvos, tornando o processo de classificação mais preciso. A metodologia proposta neste estudo mostrou eficiência no mapeamento de áreas cafeeiras.