Souza, Vanessa Cristina Oliveira deVieira, Tatiana Grossi ChquiloffAlves, Helena Maria RamosVolpato, Margarete Marin LordeloEmbrapa - Café2015-01-142015-01-142009Souza, Vanessa Cristina Oliveira de; Vieira, Tatiana Grossi Chquiloff; Alves, Helena Maria Ramos; Volpato, Margarete Marin Lordelo. Mapeamento de áreas por classificação automática utilizando medidas texturais. In: Simpósio de Pesquisa dos cafés do Brasil (6. : 2009 : Vitória, ES). Anais Brasília, D.F: Embrapa - Café, 2011 (1 CD-ROM), 7p.http://www.sbicafe.ufv.br/handle/123456789/2669Trabalho apresentado no Simpósio de Pesquisa dos Cafés do Brasil (6. : 2009 : Vitória, ES). Anais Brasília, D.F: Embrapa - Café, 2011A classificação automática de imagens de satélite para o mapeamento de áreas cafeeiras não tem obtido bons resultados. Este mapeamento, em sua grande maioria, ainda é feito visualmente, o que demanda muito mais tempo de processamento e de horas de trabalho do intérprete especialista. O mapeamento visual é preferido no caso do café devido ao problema da ambigüidade espectral entre as classes de café e mata nativa. Partindo do pressuposto de que a textura desses dois alvos é muito utilizada pelo interpretador no momento da classificação visual dos mesmos, este trabalho teve como objetivo estudar os padrões texturais do café e da mata, e classificá-los utilizando o classificador textural presente no software Texture. Os testes foram realizados sobre imagens do satélite Landsat 5, sensor TM, bandas 3 e 4. Os melhores resultados foram gerados utilizando as medidas cluster shade, uma quantização de 256 níveis de cinza e janela de 3x3 pixels. Esses parâmetros levaram a um kappa de 86%, o que corrobora a hipótese de que as medidas de textura podem ser usadas satisfatoriamente para o mapeamento automático de áreas cafeeiras.Automatic classification of satellite images to map coffee lands has not produced good results. This type of mapping is still done mainly by visual interpretation, which requires longer processing periods and working hours on the part of the interpreter. In the case of coffee, visual mapping is more used due to the spectral overlap between coffee and forest land cover types. As the texture of these two targets is largely used by the interpreter for the visual classification of these land cover types, the objective of this work was to study the textural patterns of coffee and forest and to classify them using the Texture software classifier. Testing was carried out on TM Landsat 5 images, bands 3 and 4. The best results were obtained using cluster shade measurement, with 256 grey levels and windows of 3 x 3 pixels. With these parameters a kappa of 86% was obtained, which confirms that texture measurements can be used successfully in automatic mapping of coffee lands.pt-BRclassificação automática de imagens, análise textural, café.automatic image classification, textural analysis, coffee.Artigo