Resumo Este estudo teve como objetivo analisar a dinâmica das áreas alagadas da série temporal Sentinel-1 SAR em um trecho da Amazônia Central no período entre 26 de setembro de 2016 e 8 de fevereiro de 2020. O total de imagens foi de 59 para cada polarização. Além disso, a pesquisa calculou a linha de inundação ordinária média (LMEO) a partir das alturas das réguas fluviométricas entre os anos de 1967 a 2020 e a comparou com os valores presentes na série temporal do radar. O pré-processamento da série temporal Sentinel-1 nas polarizações VV e VH utilizou a seguinte sequência metodológica: correção de órbita, correção radiométrica (σ0), correção do terreno, filtragem do ruído, e conversão dos dados para decibéis (dB). A análise prévia dos filtros adaptativos mostrou resultados diferentes para as duas polarizações, obtendo o melhor resultado para a polarização VV utilizando o filtro Frost com 3x3 e para a polarização VH o filtro Lee 3x3. A extração de corpos d'água e áreas úmidas utilizou um valor limite fazendo máscaras para todo o período. A maior extensão da área inundável foi medida em 17 de junho de 2019, com 6.611,86 km2, representando 16,42% da cena SAR na polarização VH e 6.443,19 km2, representando 16,10% da cena SAR na polarização VV. A relação entre as áreas úmidas VH e VV em relação à altura da régua foi satisfatória, com coeficientes de determinação (R2) de 0,79 na polarização VH e de 0,64 na polarização VV e p-valor menor que 0,05.

Abstract This study aimed to analyze the dynamics of the flooded areas of the Sentinel 1-SAR time series in a section of the Central Amazon between September 26, 2016, and February 8, 2020. The total of images was 59 for each polarization. In addition, the study calculated the average ordinary flood line (ALOF) from the heights of the fluviometric rulers between the years 1967 to 2020 and compared it with the values present in the radar time series. The pre-processing of the Sentinel-1 time series in the VV and VH polarizations used the following methodological sequence: Apply Orbit File, Radiometric Calibration (σ0), Range-Doppler Terrain Correction, Speckle Filter, and conversion to decibels (dB). The previous analysis of the adaptive filters showed different results for the two polarizations, obtaining the best result for the VV polarization using the Frost filter with 3x3 and the VH polarization with the Lee filter 3x3. The extraction of water bodies and wetlands used a threshold value, making masks for the entire period. The most considerable extent of the floodable area occurred on June 17, 2019, with 6,611.86 km2, representing 16.42% of the SAR scene in the VH polarization and 6,443.19 km2, representing 16.10% of the SAR scene in the VV polarization. The relationship between the VH and VV wetlands to the ruler's height was satisfactory, with coefficients of determination (R2) of 0.79 in the VH polarization and of 0.64 in the VV polarization and a p-value less than 0.05.

Resumen Este estudio tuvo como objetivo analizar la dinámica de las áreas inundadas de la serie temporal Sentinel-1 SAR en una sección de la Amazonía Central en el período comprendido entre el 26 de septiembre de 2016 y el 8 de febrero de 2020. El total de imágenes fue de 59 para cada polarización. Además, la investigación calculó la línea de inundación ordinaria promedio (LMEO) a partir de las alturas de las reglas fluviométricas entre los años 1967 a 2020 y la comparó con los valores presentes en la serie temporal del radar. El preprocesamiento de la serie temporal Sentinel-1 en las polarizaciones VV y VH utilizó la siguiente secuencia metodológica: corrección de órbita, calibración radiométrica (σ0), corrección del terreno, filtrado de ruido y conversión a decibelios (dB). El análisis previo de los filtros adaptativos mostró resultados diferentes para las dos polarizaciones, obteniendo el mejor resultado para la polarización VV utilizando el filtro Frost con 3x3 y para la polarización VH el filtro Lee 3x3, realizando máscaras para todo el periodo. La mayor extensión del área inundable se midió el 17 de junio de 2019, con 6.611,86 km2, que representa el 16,42 % de la escena SAR en polarización VH y 6.443,19 km2, que representa el 16,10 % de la escena SAR en polarización VV. La relación entre los humedales VH y VV en relación con la altura de la regla fue satisfactoria, con coeficientes de determinación (R2) de 0.79 en la polarización VH y de 0.64 en la polarización VV y p-valor menor a 0.05.

Abstract One challenge in the study of optical remotely sensed time series in the Amazon is the constant cloud cover. The present study evaluates different compositing techniques using regular and non-regular intervals to obtain cloud-free images over large areas. The study area was the municipality of Capixaba, State of Acre, belonging to the Amazon region. The tests considered four compositing algorithms (maximum, minimum, mean, and median) for daily MODIS sensor data (b1 and b2, 250m). The compositing technique from regular intervals adopted the following periods: 8, 16, 24, 32, 40, and 48 days. The irregular interval composite images adopted different composition intervals for dry seasons (April to September) and rainy (October to March). The cloud mask and viewing angle constraint allowed to obtain information without atmospheric interference and closest to the nadir view. The composite images using regular intervals did not allow for overcoming the high frequency of cloud cover in the region. The composite images from non-regular intervals presented a higher percentage of cloud-free pixels. The mean and median methods provided a better visual appearance of the images, corroborating with the homogeneity test. Therefore, composite images from non-regular intervals may be an appropriate alternative in places with constant cloud coverage.

Resumo Os desafios sociais e ambientais estão diretamente relacionados à concentração populacional existente nos ambientes urbanos, que contribuem em mais de 75% do Produto Interno Bruto (PIB) mundial. Assim, é essencial a detecção da dinâmica do uso e cobertura da terra visando à elaboração e efetivação de políticas públicas. Os sistemas SAR, especialmente as técnicas de interferometria, vêm apresentando ótimos resultados frente a esse desafio, uma vez que não possuem influência direta da atmosfera. Limitados estudos foram realizados utilizando-se a coerência interferométrica proveniente do satélite Sentinel-1 em ambiente urbano. Nesse sentido o objetivo desse estudo foi classificar o uso e cobertura da terra de parte do Distrito Federal tendo por base diferentes dimensionalidades considerando as medidas de intensidade e de coerência interferométrica relativas ao ano de 2018. Os resultados mensurados a partir das métricas Kappa e F1 indicam que a inserção de uma série temporal de coerências interferométricas melhora o desempenho da classificação, de 0,50 a 0,75 (Kappa) e de 0,54 a 0,79 (F1), fato que ficou evidente na melhora de desempenho das classes temáticas relacionadas à cobertura vegetal. Ademais, também constata-se que a identificação dos objetos urbanos é melhor representada pela utilização apenas das intensidades (VV e VH) no processo classificatório.

Abstract The social and environmental challenges are directly related to the existing population concentration in urban environments, contributing to more than 75% of the world’s Gross Domestic Product (GDP). Thus, the Land Use and Land Cover (LULC) dynamics are essential to support public policy elaboration and implementation. SAR systems, especially the interferometry techniques, have shown remarkable results in this challenge since they do not have direct influence from the atmosphere. Few studies used interferometric coherence from the Sentinel-1 image in an urban environment. This research aims to classify the LULC in the Distrito Federal, Brazil, based on different dimensions considering the intensity and interferometric coherence for the year 2018. The results measured from the Kappa and F1 metrics indicate that the insertion of a time series of interferometric coherencies improves the performance of the classification, from 0.50 to 0.75 (Kappa) and from 0.54to 0.79 (F1), a fact that was evident in the improved performance of the thematic classes related to vegetation cover. Furthermore, the best identification of urban objects used only the intensities (VV and VH) in the classification.

Abstract: This research aims to determine the vertical accuracy of the Interferometric Digital Elevation Model (DEM) obtained from the processed Shuttle Radar Topographic Mission (SRTM) data. The research compared the SRTM-GL1 (Shuttle Radar Topographic Mission-Global 1) with 30-meter resolution and the following 90-meter resolution models: (a) EMBRAPA; (b) Hydrological data and maps based on Shuttle Elevation Derivatives at multiple Scales (HydroSHEDS) (HydroSHEDS), provided by the United States Geological Survey (USGS); (c) Consultative Group for International Agricultural Research-Consortium for Spatial Information (CGIAR-CSI); and (d) Jonathan de Ferranti. The accuracy analysis considered the diverse Brazilian regions, adopting 1,087 field points from the Global Navigation Satellite System (GNSS) trackers or topography methods. The Jonathan de Ferranti model achieved the best accuracy with RMSE of 9.61m among the 90-meter resolution models. Most SRTM models at 1:100,000 scale reached Grade A of the Cartographic Accuracy Standard. However, the accuracy at the 1: 50,000 scale did not achieve the same performance. SRTM errors are linearly related to slope and the most significant errors always occur in forest areas. The 30-meter resolution SRTM showed an accuracy of around 10% better (RMSE of 8.52m) than the model of Jonathan de Ferranti with 90-meter resolution (RMSE of 9.61m).

Abstract This research aimed to analyze MODIS-NDVI time series classifications, with three different algorithms, seeking to identify the ideal amount of images for studies in environments with high cloudiness rates. The spatial cut used for the study was the municipality of Capixaba, located in the state of Acre in the Amazon region. For each NDVI image, a cloud mask was constructed. This mask allowed to organize the temporal cube by cloud coverage quantity. Thus, the impact of eliminating high cloud images for the series classification was tested. At each cut, the temporal cube was redone, evaluating results for a new set of bands. For the accuracy analysis, the Kappa coefficient was adopted. A total of 84 classifications were made. Three classification algorithms (Minimum Distance, Spectral Angle Mapper and Spectral Correlation Mapper) and 4 different interactions between classes and samples were tested. Over the period analyzed, approximately 80% of images showed cloud cover above 90%. The tests showed that the removal of the images with cloud increased the quality of the classification, and the best results were found in small cubes (10 to 35 images) and with low cloud cover (0 to ~ 6%). The Minimum Distance algorithm presented the lowest coefficient of variation, showing a lower sensitivity to the presence of clouds.

Resumo Este trabalho teve como objetivo analisar classificações de séries temporais MODIS-NDVI, com 3 diferentes algoritmos, buscando identificar a quantidade ideal de imagens para estudos em ambientes com altas taxas de nebulosidade. O recorte espacial utilizado para o estudo foi o município de Capixaba, localizado no Estado do Acre na região amazônica. Para cada imagem NDVI, construiu-se uma máscara de nuvem. Esta máscara permitiu organizar o cubo temporal por quantitativo de cobertura de nuvem. Assim, testou-se o impacto da eliminação das imagens com alta nebulosidade para a classificação da série. A cada corte, o cubo temporal foi refeito, avaliando resultados para um novo conjunto de bandas. Para a análise de acurácia, adotou-se o coeficiente Kappa. Ao todo foram feitas 84 classificações. Foram testados 3 algoritmos de classificação (Mínima Distância, Spectral Angle Maper e Spectral Correlation Mapper) e 4 diferentes interações entre classes e amostras. Observou-se que, ao longo do período analisado, aproximadamente 80% das imagens apresentaram cobertura de nuvens acima de 90%. Os testes mostraram que a retirada das imagens com nuvem, aumentou a qualidade da classificação, sendo que os melhores resultados foram encontrados em cubos pequenos (10 a 35 imagens) e com baixa cobertura de nuvem (0 a ~6 %). O algoritmo Mínima Distância apresentou o menor coeficiente de variação dentre os resultados encontrados, mostrando menor sensibilidade à presença de nuvens.

Propriedade e títulos de terra no Brasil é um sério problema, onde a ausência de uma situação legal provoca êxodo rural, insegurança jurídica e a impossibilidade de crédito para atividades agrícolas. O objetivo dessa pesquisa foi desenvolver uma metodologia de análise de decisão multicritério na seleção de áreas prioritárias para regularização fundiária no Estado da Bahia (Nordeste Brasileiro). As variáveis municipais utilizadas foram: índice de desenvolvimento humano municipal, valor bruto de produção, número de fazendeiros sem os documentos da terra (posseiros), estabelecimentos familiares, declividade e propriedades cadastradas. No processamento dos dados foram utilizados os métodos de análise multicritério (AMC), Analytic Hierarchy Process (AHP) e Fuzzy-AHP. O resultado final foi um mapa de síntese cartográfica proveniente da média aritmética desses modelos, contendo as seguintes classes de prioridade: alta, média, baixa e não prioritária. O método proposto determinou 128 municípios prioritários para ações imediatas de regularização fundiária com índice acima de 0,66. Um recorte acima de 0,80 selecionou 22 municípios considerados como extremamente prioritário. Esses municípios prioritários formam um padrão espacial contínuo ao longo da depressão do rio São Francisco. A grande quantidade de posses e a baixa quantidade de áreas cadastradas no Estado da Bahia indica a importância de ações sistemáticas de georreferenciamento e regularização fundiária.

Les titres de propriété et de la terre au Brésil est un problème grave, où l'absence d'une situation juridique provoque l'exode rural, l'insécurité juridique et crédit d'incapacité pour les activités agricoles. La présente recherche possède comme objectif développer une méthodologie d'analyse multi-critères dans le choix des domaines prioritaires pour la régularisation des terres dans l'État de Bahia (nord-est Brésilien). Les variables municipales utilisées ont été: indice de développement humain municipal, valeur grossière de production, nombre d'agriculteurs sans les documents de la terre (possessionnels), établissements familiers, déclivité et propriétés cadastrées. Dans le traitement des données ils ont été utilisés à Analytic Hierarchy Process (AHP) et à Fuzzy AHP. Le résultat final a été une carte de synthèse cartographique provenant de la moyenne arithmétique de ces modèles, en contenant les suivantes classes de priorité: augmentation, moyenne, basse et non prioritaire. La méthode proposée a déterminé 128 villes prioritaires pour actions immédiates de régularisation agraire avec indice au-dessus de 0.66. Un découpage au-dessus de 0.80 a sélectionné 22 villes considérées comme extrêmement prioritaire. Ces villes prioritaires forment une norme spatiale continue au long de la dépression du fleuve San Francisco. La grande quantité de possessions et la basse quantité de secteurs cadastrés dana l'État de la Bahia indiquent l'importance d'actions systématiques de géoréférenciation et la régularisation agraire.

Property and land titles in Brazil is a serious problem, where the absence of a legal situation causes a rural exodus, legal insecurity and the impossibility of obtaining credit for agricultural activities. The objective of this research was to develop a methodology of multiple-criteria decision analysis in the selection of priority areas for land regularization in the State of Bahia (Northeast Brazil). The municipal variables used in the model were: municipal human development index, gross production value, the number of farmers without land documents, the proportion of family farms, slope, and registered properties. The data processing methods used were the Analytic Hierarchy Process (AHP) and Fuzzy AHP. The result was a cartographic synthesis map based on the arithmetic mean of these models, containing the following priority classes: high, medium, low and non-priority. The proposed method determined 128 priority municipalities for immediate land regularization actions with a threshold value exceeding 0.66 and 22 extremely priority municipalities with a threshold higher than 0.80. These priority municipalities have a continuous spatial pattern along the São Francisco river depression. The large number of possessions and the small number of registered areas in the State of Bahia indicate the importance of systematic actions for the spatial registration and the land regularization.

O Brasil está entre os 10 países mais atingidos por desastres naturais no mundo e os deslizamentos constituem-se num dos principais riscos geomorfológicos do País, muitas vezes condicionado pela ocupação das encostas que provocam alterações ampliando a possibilidade dessas ocorrências. Nesse contexto, apresenta-se como essencial a busca por ferramentas e instrumentos que permitam conhecer os riscos potenciais de determinadas áreas e com isso adotar medidas preventivas. Uma dessas ferramentas são os modelos de predição de áreas susceptíveis à escorregamentos. Desta forma, o objetivo deste trabalho é aplicar um modelo matemático de predição de escorregamentos para a gestão de riscos como subsídios às políticas públicas locais no Município de Vitória/ES. Para isso, foi definida como área de estudo a parte do município denominada Ilha de Vitória. As cartas topográficas na escala 1:5.000foram editadas e utilizadas para a geração do modelo digital de terreno (MDT) e dos atributos morfométricos (área de contribuição e declividade).Como parâmetros de solo foram testados oito conjuntos de dados provenientes de áreas semelhantes. Em seguida foi aplicado o modelo Shalstab, que combina o modelo hidrológico com o modelo de estabilidade da encosta e possibilita a definição de áreas susceptíveis a escorregamentos. Os oito modelos foram integrados em uma única imagem a partir do maior valor de instabilidade entre todas as simulações. A partir desse mapa de susceptibilidade de escorregamento foi possível definir as áreas de atenção, prioritárias para o desenvolvimento e a definição de ações de gestão do risco de desastres na região.

Brazil is among the ten countries that are mostly affected by natural disasters in the world, and landslides are one of the main geomorphologic risks in the country, often conditioned by the occupation of hillsides, which causes alterations improving the possibilities for such occurrences. In this context, it is essential to search for tools and instruments that allow to know the potential risks of certain areas and hence to adopt preventive measures. The model of prediction of slide-susceptible areas is an example of these tools. Thus, this work aims to apply a slide prediction mathematical model for the risk management as a subsidy to local public policies in the municipality of Vitória, Espírito Santo State. Therefore, the study area was defined as the part of the municipality called Ilha de Vitória (Vitória Island). The topographic maps at 1:5,000 scale were edited and used to generate the digital terrain model (DTM) and morphometric attributes (slope and contribution area). As soil parameters were tested eight sets of data from similar areas. The Shalstab model was then applied. This model combines the hydrological and the hillside stability models, allowing for the definition of areas susceptible to landslides. The eight models were integrated into a single image from the majorof instability valueamong all simulations. From this slide susceptibility map, it was possible to define attention areas, which are a priority for developing and prioritizing disaster risk management actions in the region.

Os objetivos deste estudo foram modelar a distribuição de dados NDVI-MODIS, em seis diferentes alvos: Área de Plantio, Floresta de Galeria, Cerrado, Pastagem, Area Urbana e Floresta Estacional Semidecidual; e também analisar as mudanças fisionômicas dos índices através dos modelos ondulatórios, no período de 2000 a 2008, na Bacia do Rio Paracatu (Sub-Bacia do Rio São Francisco). Os materiais e métodos foram subdivididos nas etapas: (a) aquisição das imagens MODIS; (b) tratamento de ruídos; (c) modelagem matemática das assinaturas temporais NDVI; e (d) analise das relações estatísticas entre NDVI e abertura de dossel. A regressão não linear, modelagem ondulatória, para dispersão do NDVI pelas séries temporais, obteve significância de seus parâmetros (R² e p) e erros toleráveis. Com isso pode-se identificar as fisionomias a serem delimitadas, e simular series temporais futuras, pelo uso da terra, coberturas vegetais e tamanho da area de cada fisionomia. O padrão de distribuição dos dados de NDVI apresentou significativa relação com dados de campo de abertura de dossel, podendo ser um preciso indicador da mudança do uso da terra entre as series temporais.

The objectives of this work were to model the distribution of NDVI-MODIS data, in six distinct targets: Crop Land Areas, Gallery Forest, Cerrado, Pastureland, Urban Areas and Semideciduous Seasonal Forest; and also to analyze the physiognomies changes of the index through of waveform models, period 2000-2008, at the Paracatu River Basin (São Francisco Sub-River Basin). The materials and methods were detached in the steps: (a) getting MODIS images; (b) noise treatment; (c) math modeling of the NDVI temporal signature; and (d) analysis of statistical relation between NDVI and open canopy. The nonlinear regression, waveform model, to spread NDVI by temporal series, got high significance of its parameters (R² and p) and tolerable error. With this could identify the physiognomies to be delimited, and to simulate future temporal series by land use, vegetation cover and area extension of each physiognomy. The standard of distribution of the NDVI data showed significant relation with field data of open canopy, this could to be a precise indicator of land use change between the temporal series.

O presente trabalho tem como objetivo quantificar o uso da Terra e suas mudanças no município de Luis Eduardo Magalhães usando dados de sensoriamento remoto. A região teve uma grande expansão da agricultura e do agronegócio desde a década de 1980, devido às condições ambientais favoráveis com terras planas e estação chuvosa bem definida. As principais culturas são soja, algodão, milho e café, mas o solo do Cerrado também produz frutas, feijão e arroz, além de pastagens. O método de detecção de mudança de pós-classificação foi utilizado para determinar as diferenças entre as imagens durante as últimas duas décadas. Esta metodologia requer a comparação de imagens classificadas independentemente, minimizando os problemas de normalização da atmosfera, diferenças de sensor e condições ambientais (fenologia, ciclos precipitação e umidade do solo). Imagens ALOS e Landsat foram utilizadas para elaborar mapas a partir da classificação da cobertura e uso da Terra entre 1987 e 2008. O método utilizado para classificar cada imagem foi a interpretação visual. Durante os últimos 20 anos, os agricultores converteram cerca de 40% das áreas de cerrado em áreas de agropecuária. As mudanças na cobertura e uso da Terra do município de Luis Eduardo Magalhães refletem os impactos das decisões tomadas na política agrícola e econômica.

The present work aims to quantify land use and land cover changes in Luis Eduardo Magalhães municipality using remote sensing data. The region presented a large expansion of the agriculture and agribusiness since the 1980s due to the environmental conditions favorable with flat lands and a well-defined rainy season. Main crops are soybean, cotton, maize and coffee, but the Cerrado soil also produces fruits, beans and rice, besides pastures. The post-classification change detection method was used to determine differences between images during the last two decades. This methodology requires the comparison of independently classified images, thereby minimizing problems of normalization for atmospheric, sensor differences and landscape conditions (phenology, precipitation cycles and soil moisture). ALOS and Landsat images were used to produce land cover classification maps between 1987 and 2008. The method used to classify each image was visual interpretation. During the last 20 years, farmers converted approximately 40% of savanna into farmlands. Land cover changes in the Luis Eduardo Magalhães reflect the impacts of management decisions made in agricultural and economic policy.

A savana é o principal tipo de vegetação no Brasil Central, cobrindo aproximadamente 23% do território nacional. Localmente é conhecido como Cerrado, sendo formado por um mosaico de fisionomias tais como Campo, Campo Cerrado e Cerrado que possuem um ciclo fenológico típico. Neste contexto, os dados do MODIS fornecem medidas diárias que permitem monitorar a fenologia sazonal da vegetação. O presente trabalho objetiva avaliar o emprego de assinaturas temporais para detectar tipos de savanas no Parque Nacional da Chapada dos Veadeiros. A metodologia adotada pode ser subdividida nos seguintes passos: (a) elaboração do cubo 3D das imagens temporais NDVI-MODIS, onde o perfil em z corresponde à assinatura temporal, (b) tratamento do ruído pela combinação das técnicas de Filtro de mediana e o Minimum Noise Fraction, (c) detecção dos membros finais utilizando o invólucro convexo, e(d) classificação espectral usando o método Spectral Correlation Mapper. Os resultados demonstram que as fisionomias do Cerrado apresentam assinaturas temporais típicas. Os membros finais correspondem aos três maiores domínios fisionômicos: (a) Campo, região com dominio do extrato herbáceo; (b) Cerrado, uma mistura de campo e arbustos; e (c) Cerrado Denso, densamente coberto por árvores. Comparações com imagem Landsat 7/ETM+ demonstram a eficiência da classificação das séries temporais. O estudo concluiu que as séries NDVI são úteis na diferenciação dos tipos de vegetação. A eficiência da metodologia tem sido provada para delimitação regional das fisionomias de savana, mesmo considerando abaixa resolução espacial de 250m do sensor MODIS e a alta mistura espectral.

Savannas are the main vegetation type in Central Brazil, covering approximately 23% of the national territory. Locally known as Cerrado, Brazilian Savannas are formed by amosaic of different physiognomies such as grassland, shrubland and woodland that have atypical phenological cycle. ln this context, the MODIS data provide daily measurements well suited to monitor the seasonal phenology of vegetation. The present work aims to evaluate the advantages of the temporal signatures to detect Brazilian Savanna vegetation types in the Chapada dos Veadeiros National Park, Brazil. The adopted methodology may be subdivided into the following steps: (a) elaboration of the 3D cube of NDVI from temporal MODIS images, where the z profile corresponding to temporal signature, (b) noise elimination by combining Median Filter and Minimum Noise Fraction techniques, (c) endmember detection, and (d) spectral classification using Spectral Correlation Mapper method. The results demonstrate that the savanna physiognomies present typical temporal signatures. The endmembers correspond to the three major physiognomic domains: (a) Cerrado grassland, herbaceous dominated region; (b) Cerrado, mostly amixture of grasses and shrubs; and (c) Cerrado woodland, densely covered by trees. Comparison with Landsat 7/ETM+ image demonstrates the classification efficiency of the temporal series. The study concluded that the NDVI series is useful in differentiating the amount of vegetation types The methodology efficiency has been proved for regional delimitation of savanna physiognomies even considering the low spatial resolution of the 250m MODIS sensor and the high spectral mixture.

O manejo e o monitoramento ecológico de parques nacionais e outras áreas protegidas requerem uma detalhada descrição do padrão de distribuição da vegetação. Esse artigo possui como objetivo produzir um mapa de vegetação para o Parque Nacional da Serra dos Órgãos (PARNASO). Essa unidade de conservação está localizada na Floresta Atlântica dentro de uma variação topográfica desde o nível do mar até 2.263 metros. A classificação da vegetação baseou-se em dados do satélite ASTER, fotografias aéreas de alta resolução e modelo digital de elevação (MDE). O MDE indica estruturas de vegetação em ambiente com alta variabilidade espacial porque se correlaciona com fatores ambientais, tais como o microclima, umidade, solo e processos geomorfológicos. O classificador de árvore de decisão foi usado para extrair informações dos dados de MDE e sensoriamento remoto. Sete fisionomias foram identificadas: Agropecuária (1,29% da área do Parque), Campos de Altitude (24,27%), Floresta Ombrófila Densa Alto-Montana (37,47%), Floresta Ombrófila Densa Montana (21,54%), Floresta Ombrófila Densa Sub-Montana (5,22%), Floresta Secundária (4,13%) e áreas sem vegetação (6,08%). As três maiores fisionomias estão associadas a altitudes superiores a 1.000 metros e representaram 55,5% da área total. A construção da árvore de decisão combinando informações do MDE e sensoriamento remoto pode melhorar o resultado sobre a distribuiçãoda floresta tropical.

The management and ecological monitoring of national parks and other protected areas requires a detailed description of the vegetation distribution patterns. This paper aims to produce a vegetation map for the Serra dos Órgãos National Park (PARNASO). This conservation unit is localized in Atlantic Forest within a topographic variation from sea level to 2,263 meters. The vegetation classification based on the ASTER satellite data, high-resolution aerial photographs and Digital Elevation Model (DEM). The DEM indicates vegetation structures in landscape with high spatial variability because it correlates with environmental factors, such as microclimate, moisture, soil and geomorphological processes. Decision tree classifier was used to extract information of DEM and remote sensing data. Seven classes were identified: Agropecuária (1.29% of total Park area), Campos de Altitude (24.27%), Floresta Ombrófila Densa Alto-Montana (37.47%), Floresta Ombrófila Densa Montana (21.54%), Floresta Ombrófila Densa Sub-Montana (5.22%), Floresta Secundária (4.13%), and no vegetation area (6.08%). The three highest physiognomies were associated with altitude higher than 1,000 m and represented 55.5% of the total area. The construction of decision trees combining the DEM and remote sensing information can improve the result on the forest tropical distribution.

As técnicas de análise espectral permitem uma boa estimativa para a identificação do material procurado pela similaridade entre a curva de referência e a da imagem. Inicialmente os classificadores espectrais foram desenvolvidos para análise de imagens de sensores hiperespectrais. No entanto, vários trabalhos vêm demonstrando bons resultados para a aplicação dessas técnicas em imagens multiespectrais. O presente trabalho possui como objetivo testar o classificador espectral denominado Método de Identificação Espectral (MIE) para imagens multiespectrais do sensor ASTER. O MIE fornece um novo índice de similaridade e três estimativas segundo níveis de significância das possíveis áreas do material procurado. Esse método fundamenta-se no procedimento estatístico ANOVA e no classificador espectral Spectral Correlation Mapper (SCM). Essa informação pode ser utilizada para avaliar o grau de correlação dos materiais em análise, sendo útil em uma análise exploratória. A vantagem desse método é que permite validar estatisticamente a existência do elemento procurado conforme um nível de significância. O método foi aplicado na imagem ASTER referente à área do campo de instrução militar de formosa situada no município de Formosa (GO) próxima ao Distrito Federal. As imagens utilizadas (VNIR e SWIR) foram adquiridas já corrigidas do efeito atmosférico. Duplicando o tamanho dos pixels da imagem SWIR foi feita a união entre as resoluções espaciais entre as imagens VNIR e SWIR. Os membros finais da área de estudo foram detectados através da seguinte seqüência: redução espectral pela transformação MNF (Minimum Noise Fraction), redução espacial pelo índice de pureza de pixel (PPI) e pelo visualizador n-dimensional. A partir dos membros finais referentes à vegetação fotossinteticamente ativa, vegetação não fotossiteticamente ativa e solo realizou-se a classificação. Esta metodologia permitiu identificar os principais cenários na área de estudo.

The spectral classifiers allow a good estimate for the mapping of the materials from the similarity between the reference curve and the image. Initially the spectral classifiers had been developed for hyperspectral images analysis. However, some works demonstrate good results for the application of these techniques in multispectral images. The present work aims to evaluate the spectral classifier Spectral Identification Method (SIM) in ASTER image. The Spectral Identification Method (SIM) is proposed to establish a new similarity index and three estimates according to the significance levels (5%, 10% and 15%) of the materials. This method is based on two statistical procedures: ANOVA and Spectral Correlation Mapper (SCM) coefficient. This information can be used to evaluate the degree of correlation among the materials in analysis. The advantage of this method is to validate according to levels of significance of the most probable areas of the sought material. The method was applied to ASTER image at the Military Instruction Field located Formosa (GO) close to Federal District. The images were acquired with atmosphere correction. The pixels size from the SWIR image were duplicated in order to join the VNIR and SWIR images. Endmembers were detected in three steps: a) spectral reduction by the Minimum Noise Fraction (MNF) transformation, b) spatial reduction by the Pixel Purity Index (PPI) and c) manual identification of the endmembers using the N-dimensional visualizer. The classification was made from the endmembers of nonphotosynthetic vegetation (NPV), photosynthetic vegetation (PV) and soil. These procedures allowed to identify the main scenarios in the study area.

A análise de mistura espectral permite novos avanços nos procedimentos de classificação de imagens. Esta análise compreende três estágios de processamento: (a) Detecção dos membros finais, (b) Localização dos elementos e (c) Quantificação. O objetivo deste artigo é desenvolver uma análise comparativa de identificação dos membros finais a partir de um procedimento automatizado usando imagens com diferentes resoluções espectrais: AVIRIS, Landsat ETM+ e ASTER. As técnicas de detecção de membros finais foram desenvolvidas para imagens hiperespectrais, porém, foram usadas para sensores multispectral. Desta forma, é importante avaliar as limitações para o uso de sensores de mais baixa resolução espectral. A área selecionada foi uma região de Cerrado em Niquelândia (GO), Brasil. Foi utilizada uma imagem hiperespectral do sensor AVIRIS que foi espectralmente reamostrado para os sensores Landsat/ETM+ e ASTER. O sensor AVIRIS desenvolvido pela NASA (National Aeronautics and Space Administration) foi o primeiro sistema imageador capaz de medir o espectro refletido solar de 400 nm até 2500 nm em intervalos de 10 nm. A identificação automática dos membros finais, feita a partir do programa ENVI, compreende as seguintes etapas: a) Redução espectral pela transformação Minimum Noise Fraction (MNF), b) Redução espacial a partir do Pixel Purity Index (PPI) e c) Identificação manual dos membros utilizando o N-dimensional visualizer. A comparação entre os três sensores foi feita usando as imagens PPI. Observa-se que apesar das diferenças espectrais existe uma forte correlação entre os alvos existentes. Essa característica se deve a maior parte da imagem conter basicamente diferenças espectrais de vegetação.

The spectral mixture concept allowed a new approach on image classification procedures. This approach comprehends three processing stages: (a) endmembers detection, (b) elements location and (c) quantification. The aim of this work was to develop a comparative analysis of endmembers identification from an automatic process using images with different spectral resolutions: AVIRIS, Landsat ETM+ and ASTER. Endmembers detection techniques were developed to hyperspectral images but are being used to multispectral sensors. Thus it is important to evaluate limitations for the use of lower spectral resolution images. The selected area is a natural Savanna region (locally named Cerrado) in Niquelândia (GO), Brazil. It was used a hyperespectral image from the AVIRIS sensor that was spectrally resampled to Landsat/ETM+ and ASTER sensors. The AVIRIS sensor developed by NASA (National Aeronautics and Space Administration) was the first imaging sensor to measure the solar reflected spectrum from 400 nm to 2500 nm at 10 nm intervals. Endmembers' automatic identification from the ENVI software comprehends the following steps: a) spectral reduction by the Minimum Noise Fraction (MNF) transformation, b) spatial reduction by the Pixel Purity Index (PPI) and c) manual identification of the members using the N-dimensional visualizer. The comparison among the three sensors was done using PPI images. In spite of PPI image differences it can be seen similarities among existing targets. That similarity is due to vegetation targets predominance on these images. These endmembers were relative to photosynthetic and non-photosynthetic vegetations.