Variáveis multitemporais para o mapeamento de áreas de cultivo de café

Resumo

O objetivo deste trabalho foi propor uma nova metodologia para o mapeamento de áreas cafeeiras que inclui dados multitemporais como parâmetros de entrada no processo de classificação, por meio de uma série temporal NDVI do Landsat TM, juntamente com uma abordagem de classificação orientada a objeto. O algoritmo BFAST foi utilizado para a análise dos perfis temporais de café, pastagem e vegetação nativa, aliada à análise da imagem baseada em objetos geográficos. Para a classificação, utilizaram-se as seguintes variáveis multitemporais derivadas do pacote greenbrown R: média, tendência e sazonalidade. Os resultados mostraram que o café, a pastagem e a vegetação nativa têm comportamentos temporais distintos, o que corrobora o uso destes dados como variáveis de entrada para o mapeamento. As classificações com uso das variáveis temporais, associadas a dados espectrais, obtiveram altos índices de acurácia global com 93% de acerto. Quando utilizados somente os dados temporais, as classificações ainda mostraram um percentual de acerto acima de 80%. Dados oriundos de séries temporais do Landsat TM são eficientes para o mapeamento de áreas de cultivo cafeeiro, diminuindo a confusão entre os alvos e tornando o processo de classificação mais preciso, o que contribui para a caracterização e o mapeamento de objetos derivados de uma imagem RapidEye, com alta resolução espacial.