Neste estudo foi abordada a segmentação de imagens de alta resolução e a utilização da técnica da mineração de dados. O objetivo foi encontrar correlação entre resposta espectral, espacial, de contexto e de textura, e variáveis dendrométricas obtidas de inventários florestais em áreas de estágio inicial de sucessão da Floresta Ombrófila Densa em três locais do Estado de Santa Catarina. Os dados de campo foram levantados em seis Unidades Amostrais (UA) com 1.600 m² cada. No processamento digital utilizaram-se três imagens de alta resolução espacial (0,39 m) obtidas pelo sensor SAAPI, com três bandas no visível, três no infravermelho próximo, modelo numérico de terreno e de superfície. Dados extraídos do produto digital (atributos) foram utilizados na etapa da mineração dos dados, que selecionou atributos relevantes e descartou aqueles de menor peso. Verificou-se que tanto no estrato arbóreo quanto na regeneração existe heterogeneidade de variáveis, como número de indivíduos (N), diâmetro a altura do peito (DAP) e área basal (AB). Mesmo assim, foram encontradas correlações significativas entre atributos das imagens e os dados de campo. A correlação de maior magnitude absoluta de N foi com as médias da banda 1 (-0,64), 3 (-0,62) e IR1 (0,63), para DAP foi a razão das bandas IR3 (0,56) e 2 (0,55) e para AB foi o menor valor de pixel das bandas 1 (-0,64) e IR3 (-0,60), todas altamente significativas (p<0,01). Esses resultados configuram pontos de partida para futuras investigações a respeito da construção de um estimador de parâmetros biofísicos da vegetação.
High-resolution image segmentation and data mining techniques were used in order to find statistical correlation between spatial, spectral, context and texture attributes, considering field data from early stages of secondary forests in the three study sites of Rain Forest in Santa Catarina State, Brazil. Field data were collected in six sampling plots with 1,600 m² each. Digital processing utilized three high resolution images (0.39 m) obtained by SAAPI sensor with three visible bands, three near infrared bands, one terrain and one surface model. Extracted data from the digital product (attributes) were used for data mining purposes, selecting the ones with relevance and dismissing those of lesser weight. It was found that both tree and regeneration layers are heterogeneous considering number of individuals (N), diameter at breast height (DBH) and basal area (AB). However, significant correlations between forest attributes and field data were found. The higher correlation of N is with the average of the band 1 (-0.64), 3 (-0.62) and IR1 (0.63) for DBH was the ratio of bands IR3 (0.56) and 2 (0.55) and the variable AB was the smallest pixel value of band 1 (-0.64) and IR3 (-0.60). All correlation coefficients were highly significant (p <0.01). These results constitute the starting point for future research on the relationship between groups of variables in order to estimate biophysical parameters
