Resumo As práticas de conservação ambiental cada vez mais estão sendo requisitadas pela sociedade para solucionar as crises de eventos climáticos extremos e da perda contínua da biodiversidade. Entretanto um dos maiores desafios no processo de priorização de áreas protegidas que atendam as metas de conservação é a inclusão e a espacialização dos custos monetários na função-objetivo do planejamento para aquisição de áreas que melhor refletem o processo de tomada de decisão no território. Nós apresentamos neste manuscrito os custos monetários de aquisição do direito da propriedade de uma parcela de terra e os custos de oportunidade das bacias hidrográficas dos rios Piracicaba, Capivari e Jundiaí. Nossa abordagem deriva dos procedimentos metodológicos da análise espacial e do sensoriamento remoto, para sistematizar e associar as informações tabulares das instituições de assistência e economia rural com elementos naturais adquiridos através do mapeamento temático do uso e cobertura da terra. Deste modo, utilizamos a integração da matriz geoespacial monetária com objetos exatos derivados do sensor multiespectral Operation Land Imager (OLI) acoplado no satélite Landsat 8. No geral, identificamos que os custos monetários da ação de conservação na área de estudo apresentam valores inversos e que os incluir na função-objetivo do planejamento pode priorizar áreas protegidas com menor conflito pelo uso da terra em relação as diversas atividades econômicas no território.

Abstract Society has been increasingly demanding of better environmental conservation practices as a solution to the ongoing crisis causing extreme weather events and biodiversity loss. Yet, a key issue for the definition of priority locations for protected areas that meet the intended conservation goals remains: how to factor and spatialize monetary costs in the goal-function of the planning for areas that better reflect the decision-making influences in the territory. We presented, in this study, the monetary acquisition costs for land purchasing and the opportunity costs for the Piracicaba, Capivari and Jundiaí watersheds. We adopt an approach derived from spatial analysis and remote sensing methodological processes to compile and link information tabulated from farmer assistance institutions with information on natural elements obtained through land use and land cover mapping. Subsequently, we merged data from the geospatial monetary matrix with exact-objects data obtained from the Operation Land Imager (OLI) multispectral sensor attached to the Landsat 8 satellite. Finally, we identified that the monetary costs for conservation actions in the study area have inverse values and that including them in the planning goal-function can help prioritize protected areas that will be less prone to conflict over land-use due to clashes with the economic activity of a territory.

Resumen Las prácticas de conservación ambiental son ampliamente requeridas por la sociedad para resolver la crisis de los fenómenos meteorológicos extremos y la pérdida continua de biodiversidad. Sin embargo, uno de los mayores desafíos en el proceso de priorización de áreas protegidas que cumplen con las metas de conservación, es la inclusión y la distribución espacial de los costos monetarios en la función objetiva de la planificación para la adquisición de áreas que reflejen mejor el proceso de toma de decisiones en el territorio. En el presente trabajo, presentamos los costos monetarios que se desdoblan en la adquisición del derecho a la propiedad de una parcela de tierra y el costo de oportunidad de las cuencas hidrográficas de los ríos Piracicaba, Capivari y Jundiaí. Nuestro enfoque deriva de los procedimientos metodológicos del análisis espacial y la teledetección, para sistematizar y asociar la información tabular de las instituciones de asistencia y economía rural con los elementos naturales adquiridos a través de la cartografía temática de uso y cobertura del suelo. Así, se utilizó la integración de la matriz geoespacial monetaria con objetos exactos derivados del sensor multiespectral Operation Land Imager (OLI) acoplado al Landsat 8. En general, encontramos que los costos monetarios de las acciones de conservación en el área de estudio, tienen valores inversos y que incluirlos en la función de planificación objetiva puede priorizar áreas protegidas con menos conflicto por el uso de la tierra en relación con las diversas actividades económicas que se desarrollan en el territorio.

Resumo: O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K-NN para a classificação orientada a objeto em imagens Landsat-8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba-Jaguari, MG. A etapa de pré-processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram-se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram-se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K-NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K-NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial.

Abstract: The objective of this work was to evaluate the performance of SVM and K-NN digital classifiers for the object-based classification on Landsat-8 images, applied to mapping of land use and land cover of Alta Bacia do Rio Piracicaba-Jaguari, in the state of Minas Gerais, Brazil. The pre-processing step consisted of using radiometric conversion and atmospheric correction. Then the multispectral bands (30 m) were merged with the panchromatic band (15 m). Based on RGP compositions and field inspection, 15 land-use and land-cover classes were defined. For edge segmentation, the bounds were set to 10 and 60 for segmentation configuring and merging in the ENVI software. Classification was done using SVM and K-NN. Both classifiers showed high values for the Kappa index (k): 0.92 for SVM and 0.86 for K-NN, significantly different from each other at 95% probability. A major improvement was observed for SVM by the correct classification of different forest types. The object-based classification is largely applied on high-resolution spatial images; however, the results of the present work show the robustness of the method also for medium-resolution spatial images.