Resumo Este trabalho tem como objetivo analisar a capacidade dos atributos das técnicas de decomposição de alvos e dos atributos de retroespalhamento, provenientes das imagens polarimétricas do satélite ALOS/PALSAR-2, para discriminar as classes de uso e cobertura da terra na região da Floresta Nacional do Tapajós (FNT), estado do Pará. Três imagens polarimétricas do satélite ALOS/PALSAR-2 no formato single look complex (SLC), nível 1 de processamento, foram selecionadas para gerar as matrizes de coerência [T3] e covariância [C3] para aplicação das técnicas de Cloude-Pottier e Freeman-Durden referentes à decomposição de alvos. A partir das imagens PALSAR-2 calibradas radiometricamente, foram gerados ainda os coeficientes de retroespalhamento, as razões de polarização cruzada (RC; HV/HH), a razão de polarização paralela (RP) e o Radar Forest Degradation (RFDI). As imagens derivadas de todos esses atributos polarimétricos supracitados foram processadas pelo classificador de Máxima Verossimilhança (MAXVER) integrado ao algoritmo contextual Iterated Conditional Modes (ICM). As classificações derivadas dos atributos relativos às técnicas de decomposições de alvos, principalmente a de Cloude-Pottier, com índice Kappa de 0,75, apresentaram desempenho significativamente superior àqueles derivados das razões RC, RP e RFDI.

Abstract This study aims to analyze the capability of the target decomposition techniques and the polarimetric ratios applied to the ALOS/PALSAR-2 satellite polarimetric images to discriminate the land use and land cover classes in the Tapajós National Forest region, Pará State. Three full polarimetric ALOS/PALSAR-2, level 1 single look complex scenes were selected to generate the coherence and the covariance matrices to derive the Cloude-Pottier and the Freeman-Durden target decomposition attributes. From the radiometrically calibrated PALSAR-2 images, we generated the backscatter coefficients, the cross polarized ratio (RC; HV/HH), the parallel polarized ratio (RP; VV/HH) and the Radar Forest Degradation Index (RFDI). The images resulting from these polarimetric attributes were processed by the Maximum Likelihood (MAXVER) classifier coupled with the Iterated Conditional Modes (ICM) contextual algorithm. We found that the classifications derived from the target decomposition attributes, mainly from the Cloude-Pottier technique, with a Kappa index of 0.75, presented a significant higher performance than those derived from the RC ratio, RP ratio, and RFDI.

Este trabalho visa ao estudo da relação entre a distribuição de fitofisionomias do Parque Nacional de Brasília (PNB) e variáveis topográficas, para avaliar o potencial de dados SRTM isoladamente, como complemento aos dados tradicionalmente aplicados no sensoriamento remoto da vegetação. Esta relação foi verificada através de análises discriminantes entre o mapa de vegetação referência do PNB e as seguintes variáveis morfométricas: elevação, declividade, orientação de vertente, curvatura vertical e curvatura horizontal. Tais análises indicaram as classes de vegetação que podem ser separadas com base nas condições topográficas do terreno. As variáveis morfométricas mais importantes na distinção entre os tipos vegetacionais foram a elevação, a declividade e a orientação de vertente. Apesar de os dados morfométricos mostrarem potencial indicativo das classes de vegetação, as análises resultaram em discriminação em um nível aquém do detalhamento temático do mapa referência. Tal desempenho pode ser explicado pela incompatibilidade das escalas de variação exibidas entre os dados morfométricos em relação ao tamanho das unidades de mapeamento da vegetação. Além disso, a variação de tipos de vegetação do cerrado pode ser explicada por uma série de outros fatores além da topografia. Com base nas análises discriminantes das variáveis morfométricas, foi possível o mapeamento experimental da vegetação ao nível de subfisionomias.

This paper aims to study the relationship between the distribution of vegetation in Brasilia National Park and topographic variables, to evaluate the potential of SRTM data alone, in addition to data traditionally used in remote sensing of vegetation. A map of vegetation of the area was used as a reference and the morphometric variables (elevation, slope, aspect and profile and plane curvatures) were compared to the mapped units. Analyses indicated vegetation types easily discriminated depending on topographic position. The variables elevation, slope and aspect were shown to be the most important for their high discrimination power of the vegetation types. Although morphometric data are recognized as having strong potential for characterizing vegetation, this was not shown in the results, due to the mismatching of variability scales between the two sources of data, where large units tend to exhibit similar distribution patterns of morphometry, and comprise classes with different responses for morphometric constraints. Discriminant analyses of morphometric variables allowed vegetation mapping up to sub-physiognomy levels.

O presente trabalho teve como objetivo avaliar o potencial das variáveis geomorfométricas extraídas de dados SRTM (Shuttle Radar Topographic Mission) para identificação de tipos vegetacionais da região do interflúvio Madeira-Purus. As variáveis geomorfométricas (elevação, declividade, orientação de vertente, curvatura vertical e curvatura horizontal) foram confrontadas com o mapa de vegetação do projeto RADAMBRASIL através de análises de histogramas e análises discriminantes. Tais análises indicaram os grupos de classes vegetacionais que podem ser separados mais facilmente em contraste com outros grupos que ocorrem sob as mesmas condições topográficas. As variáveis de relevo mais importantes na distinção entre os tipos vegetacionais foram: a elevação, a declividade e a orientação de vertentes. Apesar dos dados geomorfométricos mostrarem potencial indicativo das classes de vegetação, as análises resultaram em discriminação em um nível aquém do detalhamento temático máximo apresentado pelos dados RADAM. Tal desempenho pode ser explicado pela incompatibilidade das escalas de variação exibidas entre os dados geomorfométricos em relação ao tamanho das unidades de mapeamento da vegetação, além da co-ocorrência de classes de respostas distintas ao relevo sob uma mesma associação de classes sob as mesmas classes na legenda. Com base nas análises discriminantes das variáveis geomorfométricas, foi possível o mapeamento da vegetação experimentalmente até o nível de subfisionomias.

The objective of this work was to assess the potential of geomorphometric variables, derived from SRTM (Shuttle Radar Topographic Mission) data, to help identify vegetation types in the Amazonian Madeira-Purus interfluvio region. A RADAMBRASIL project vegetation map was used as a reference and the geomorphometric variables (elevation, slope, aspect and profile and plan curvatures) were compared to the mapped units. Analyses indicated vegetation types easily discriminated, depending on the topographic position. The variables of elevation, slope and aspect were the most important for their high discrimination power of the vegetation types. Although geomorphometric data are recognized as having strong potential for characterizing vegetation, this was not shown in the results, due to the mismatching of variability scales between the two sources of data; large units tend to exhibit similar distribution patterns of geomorphometry, and comprise classes with different responses for geomorphometric constraints. Discriminant analyses of geomorphometric variables permitted vegetation mapping up to the sub-physiognomy levels.