IDENTIFICAÇÃO DE FRAGMENTOS DE FLORESTA NATIVA, POR DIFERENTES INTÉRPRETES, COM A UTILIZAÇÃO DE IMAGENS LANDSAT E CBERS EM LAVRAS, MG

Ano: 2005 | Volume: 29 | Número: 3

Autores: E. Ferreira, J. P. Santos, A. C. Barreto, A. A. A. Dantas

Palavras-chave: sensoriamento remoto, índice kappa, floresta semidecídua

Resumo Português:

Neste trabalho, as imagens dos satélites Landsat 7 e Cbers 2 foram analisadas com o objetivo de identificar áreas com
fragmentos de floresta semidecídua e de avaliar a exatidão da classificação feita por diferentes intérpretes e técnicas de
interpretação. O estudo foi realizado em Lavras, MG, utilizando o SIG-SPRING, que possui recursos para realização da
classificação digital e visual. Na comparação das diferentes classificações e avaliação da exatidão, foram empregadas as
exatidões global, do consumidor, do produtor e o coeficiente Kappa. Pelos resultados, verificou-se que a exatidão global foi
maior que 90% e o coeficiente Kappa variou de 50% a 77% nas comparações feitas por diferentes intérpretes, em imagens
Landsat e Cbers. Os mapas de fragmentos de vegetação produzidos com base na classificação digital das imagens Cbers e
Landsat apresentaram alta porcentagem de áreas comuns e os intérpretes produziram diferentes mapas, porém, aqueles gerados
pela imagem Cbers apresentaram a melhor concordância entre as classificações.

Resumo Inglês:

In this work two images from Landsat 7 and Cbers 2 were analyzed in order to identify small areas of semideciduous
forest and to evaluate the classification accuracy made by three different analysts. The study was carried out in Lavras region,
MG, using the SPRING GIS with the appropriate functions to jufil the digital classification and visual inspection. The
comparisons between the classifications and accuracy assessment procedures employed the overall accuracy, the user’s accuracy,
the producer’s accuracy and the Kappa coefficient. The results showed that the overall accuracy were higher than 90% and the
Kappa coefficient ranged from 50% to 77% when the Landsat and Cbers images were compared by different analysts. The
fragments vegetation maps made from digital classification of Cbers and Landsat satellites images presented high percentage of
common areas and analysts made different maps but, those one produced from Cbers satellite images were better than the other
classifications.