Discriminação de áreas de soja por meio de imagens EVI/MODIS e análise baseada em geo-objeto

• Published in: Revista brasileira de engenharia agrícola e ambiental 2014-01, Vol.18 (1), p.44-53
• Main Authors: Silva Junior, Carlos A. da, Frank, Thiago, Rodrigues, Taíssa C. S.
• Format: Article
• Language: English
• ISSN: 1415-4366; 1415-4366
• DOI: 10.1590/S1415-43662014000100007

Neste trabalho objetivou-se estimar e mapear áreas plantadas com soja [Glycine max (L.) Merr.] por meio de imagens multitemporais EVI/MODIS e classificação de imagens baseada em geo-objeto. A área de estudo compreendeu o Sul do estado do Maranhão. Para o mapeamento das lavouras de soja foram utilizados o índice de vegetação realçado (EVI) e o índice de valorização das culturas (CEI) para a classificação das imagens do sistema-sensor Terra/MODIS. Para tal cálculo foram utilizadas doze imagens compreendendo entressafra e safra da cultura, conforme calendário agrícola do Estado. Além disto, foi empregada a segmentação utilizando-se parâmetros de escala 250, os algoritmos "classification" e "merge region" e extração de atributos para classificação baseada em geo-objeto. Foram empregados, para avaliar a precisão da classificação, os parâmetros Kappa e Exatidão Global e nas suas resultantes foi aplicado o teste Z; logo, foram estabelecidos, como hipótese nula (H0) a igualdade dos índices e o inverso para suas diferenças (H1), a um nível de 0,05 de significância. Os resultados obtidos indicam que a metodologia proposta se mostrou eficiente para mapeamento da soja, com 0,89 para o parâmetro Kappa. This study aimed to estimate and map areas planted with soybean [Glycine max (L.) Merr.] through multitemporal images EVI/MODIS and classification of images based on geo-object. The study area comprised the southern part of the State of Maranhão. For the mapping of the soybean crop the Enhanced Vegetation Index (EVI) and the Crop Enhancement Index (CEI) for image classification sensor-system Terra/MODIS was used. For this calculation twelve images were used, including offseason and harvest of the crop, as per the state agricultural calendar. In addition, the segmentation was employed using scaling parameters 250, the algorithms "classification" and "merge region", and extracting attributes for classification GEOgraphic-Object-Based Image Analysis (GEOBIA). To assess the accuracy of the classification, parameters Kappa and Accuracy Global and its resulting Z test were applied. A null hypothesis (H0) of equal and opposite rates for their differences (H1) at 0.05 level of significance was established. The results indicate that the proposed methodology is efficient for mapping the soybean crop, with 0.89 for the parameter Kappa.