Atena Editora

Os mapeamentos temáticos

constituem uma fonte relevante de informação

para as mais variadas áreas do conhecimento,

uma vez que, auxiliam no planejamento

e na tomada de decisões eficazes. O

desenvolvimento de mapas temáticos foi

consideravelmente revolucionado pelos

avanços no Processamento Digital de Imagens

(PDI) de Sensores Remotos, pois auxiliam

tanto na elaboração quanto na atualização dos

mapeamentos de forma mais ágil e com custos

reduzidos. Nesta perspectiva, o objetivo deste

trabalho é avaliar a adoção de pixels individuais

tratados como objetos para a classificação da

cobertura da terra na Região Metropolitana

da Grande Vitória (ES) com base nos

índices espectrais (NDVI e NDWI) e imagens

transformadas (PCA, IHS e Tasseled Cap) dos

dados OLI / Landsat-8. Estes, por sua vez,

apresentam moderada resolução espacial, que

é afetada pela questão da Mistura Espectral.

Como resultado, o mapa temático de cobertura

da terra foi apresentado com alta precisão,

Índice Kappa de 0,86 e precisão global de 0,90.

O melhor resultado no Kappa-Condicional foi da

classe “Outros” com 0,94 e o pior desempenho

foi do “Mangue” com 0,56.

Ler mais

DOI: 10.22533/at.ed.27719171013
Palavras-chave: Sensoriamento Remoto, Pixels Individuais, Objetos, Mineração de Dados Geográficos.
Keywords: Remote Sensing, Individual Pixels, Objects, Geographic Data Mining.
Abstract:
Thematic mappings constitute

a relevant source of information for the most

varied areas of knowledge, since they aid

in effective planning and decision making.

The development of thematic maps has been

considerably revolutionized by the advances

in Digital Image Processing (PDI) of Remote

Sensors, since they help both the elaboration

and the updating of the mappings in a more agile

and with reduced costs. In this perspective, the

objective of this work is to evaluate the adoption

of individual pixel approached as objects for the

classification of land cover in the Metropolitan Region of Grande Vitória (ES) based

on the spectral indexes (NDVI and NDWI) and transformed images (PCA, IHS and

Tasseled Cap) from OLI / Landsat-8 data. These, in turn, present moderate spatial

resolution, which is affected by the Spectral Mixing issue. As a result, the thematic

map of land cover was presented with high precision, Kappa Index of 0.86 and global

accuracy of 0.90. The best result in the Conditional-Kappa was the class “Others” with

0.94 and the worse performance was the “Mangrove” with 0.56.
Número de páginas: 15

Download

Artigo