O principal objectivo deste estudo foi avaliar o potencial de imagens de alta
resolução espacial (Quickbird) na identificação de espécies florestais para uma
região do Alentejo (Portugal), utilizando o método de segmentação multi-resolução
e classificação digital orientada a objeto. Foi criada uma máscara para a vegetação
com base no Ãndice de vegetação NDVI, e obtida uma classificação com a área
coberta por espécie (Q. suber e P. pinea). A detecção da vegetação foi determinada
com elevado rigor, sendo a data das imagens um fator muito importante para o
resultado. A classificação foi validada através de dados de campo, e foi calculada
a matriz de confusão e o coeficiente Kappa. Considerou-se a identificação e
separação entre as duas classes florestais dominantes (Q. suber e P. pinea) e entre as
três classe, as mesmas duas classes e outra que integra todos os restantes tipos de
ocupação do solo. Os resultados foram satisfatórios, com Kappa de 79.3% e de 86,5
% respectivamente. Podemos concluir que a metodologia desenvolvida e os dados
de alta resolução do satélite Quickbird produzem resultados satisfatórios para a
identificação e separação das espécies florestais. A baixa resolução espectral deste
satélite é compensada pela elevada resolução espacial e pela utilização de outros
parâmetros de forma e de textura dos objetos individuais e entre objectos.
The main goal of this study was to evaluate the potential of high spatial resolution
images (Quickbird) to identify of forest species in a region of Alentejo (Portugal),
using the multi-resolution segmentation method and object-oriented classification.
A vegetation mask was created based on vegetation index NDVI, and obtained a
classification of forest species with the covered area (Q. suber and P. pinea). The
detection of vegetation was determined with high accuracy, being the date of the
images a very important factor for this result. The classification was validated by field
data, and was calculated the confusion matrix and Kappa coefficient. We considered
the identification and separation between for the two dominant forest classes (Q.
suber e P. pinea) and the three classes, the same two classes and one that integrates
include the other types of land. The results were satisfactory with Kappa of 79.3%
and 86.5% respectively. It can be concluded that the methodology and data from high
resolution Quickbird satellite produce satisfactory results for the identification and
separation of forest species. The low spectral resolution of this satellite is compensated
by the high spatial resolution and by the use of others parameters, such as form and
texture of the individual objects and among them.