Identificação de fragmentos de floresta nativa, por diferentes intérpretes, com a utilização de imagens landsat e cbers em lavras, MG Identification of small areas of semideciduous forest, by different analysts, in Lavras region, MG, using Landsat and Cbers sattelites images

Abstract

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.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.

Keywords

• sensoriamento remoto
• índice Kappa
• floresta semidecídua
• remote sensing
• Kappa index
• semideciduous forest