AVALIAÇÃO DE CLASSIFICADORES AUTOMÁTICOS NO MAPEAMENTO DE ÁREAS CAFEEIRAS DA REGIÃO DE GUAXUPÉ, MINAS GERAIS

Abstract

O mapeamento da ocupação da terra constitui uma das mais importantes atividades de geração de dados para gerenciamento e monitoramento de ambientes agrícolas. Pretendeu-se neste trabalho avaliar a exatidão da interpretação visual de uma imagem SPOT 5 no mapeamento do café na região de Guaxupé, tendo como referência dados obtidos em campo, bem como comparar o desempenho de técnicas de mapeamento automático da mesma área em comparação com a interpretação visual,visando a avaliação da viabilidade de aplicação destas técnicas para agilizar o mapeamento do parque cafeeiro na região.Foram trabalhadas imagens SPOT 5 com resolução espacial de 10 metros e de 2,5 metros. A cena foi submetida ao processamento por diferentes métodos de classificação automática para a imagem com resolução de 10 metros e por interpretação visual para a imagem com resolução de 2,5 metros. Dados obtidos em campo foram tomados como referência para obtenção de índices de exatidão do mapeamento. Foram estratificadas as classes café, mata e outros usos, sendo esta última oriunda do agrupamento dos demais tipos de vegetação como culturas anuais, pastagens, solo exposto, áreas urbanas, etc. Os índices utilizados foram calculados de maneira a permitir a avaliação da exatidão global da classificação e também individualmente para a classe café.Remote sensing is nowadays one of the most important sources of information about the Earth surface, providing data required for territorial organization and mapping. In agriculture, it is used especially in agroecological zoning and agricultural and land use planning. This work evaluates the use of a SPOT 5 image in mapping coffee occupation in the region of Guaxupé. Visual image interpretation and automatic classification were compared and field data were used to evaluate the accuracy of the maps obtained. The different land use and land cover classes identified were grouped in the classes: Coffee, Forest and Other uses. The results showed that none of the automatic classification methods were efficient in mapping the coffee lands of Guaxupé. Therefore, the mapping of coffee areas still relies heavily on visual interpretation techniques, which include subjective criteria such as simultaneous observation of the recognition elements like tone, colour, texture, shape, size, pattern, shadow and association of evidence.