Discriminação da cobertura vegetal do Cerrado matogrossense por meio de imagens MODIS Discrimination of Cerrado vegetation cover in the state of Mato Grosso using MODIS images

Abstract

O objetivo do presente trabalho foi avaliar o potencial de uso do modelo linear de mistura espectral (MLME), aplicado em imagens "Moderate Resolution Imaging Spectroradiometer" (MODIS), para discriminar as classes de cobertura vegetal natural e antropogênica do Cerrado matogrossense. O monitoramento do bioma Cerrado está se tornando muito importante devido à sua forte antropização, principalmente nas últimas quatro décadas. Nesse contexto, o sensor MODIS apresenta-se como opção devido à sua alta resolução temporal. Entretanto, considerando sua moderada resolução espacial, é indicada a decomposição de sua resposta espectral. O MLME apresenta-se como uma técnica viável, pois permite estimar o percentual dos componentes do pixel. Os dados utilizados nos perfis temporais das classes corresponderam às seguintes imagens fração do MLME: vegetação, solo e sombra. A discriminação das classes naturais e antropogênicas foi avaliada por meio do cálculo da distância Mahalanobis e apresentada por meio de dendrogramas. As imagens fração permitem análises de séries temporais na caracterização espacial e temporal das classes. As imagens fração solo e sombra, na estação seca, apresentam melhores resultados na discriminação das classes selecionadas. Para discriminação de classes com composições florísticas semelhantes, são indicadas as imagensfraçãoda estação chuvosa.The objective of the present work was to evaluate the potential of the spectral linear mixture model (SLMM), applied to Moderate Resolution Imaging Spectroradiometer (MODIS) images, to discriminate natural and anthropic classes of vegetation in the portion of Mato Grosso state covered by Cerrado vegetation. The monitoring of the Cerrado biome is becoming very important due to its strong human disturbance, especially in the last four decades. In this context, the MODIS sensor appears as an option due to its high temporal resolution. However, considering its moderate spatial resolution, the decomposition of its spectral response is indicated. The SLMM appears to be a viable technique, since it permits estimating the percentage of components within the pixel. The data used in the temporal class profiles corresponded to the following fraction images derived from SLMM: vegetation, soil, and shade. Discrimination of natural and anthropogenic classes was determined through the Mahalanobis distance, presented by dendrograms. The fraction images allow time series analyses for spatial and temporal characterization of the classes. Soil and shade fraction images, in the dry season, present better results in the discrimination of selected classes. For the discrimination of classes with similar floristic composition, fraction images from the rainy season are indicated.

Keywords

• sensoriamento remoto
• modelo linear de mistura espectral
• análise temporal
• remote sensing
• linear spectral mixture model
• temporal analysis