IDENTIFICAÇÃO DE REGIÕES COM POTENCIAL AGRÍCOLA NA BAIXADA FLUMINENSE A PARTIR DE IMAGENS DIGITAIS DO SATÉLITE LANDSAT 8

XLVIII Congresso Brasileiro de Engenharia Agrícola - CONBEA 2019[pic 1][pic 2]

Centro de Convenções da Unicamp - Campinas - SP 17 a 19 de setembro de 2019

IDENTIFICAÇÃO DE REGIÕES COM POTENCIAL AGRÍCOLA NA BAIXADA FLUMINENSE A PARTIR DE IMAGENS DIGITAIS DO SATÉLITE LANDSAT 8

VITÓRIA CÔRTES DA SILVA SOUZA DE OLIVEIRA1, ANDERSON GOMIDE COSTA2, RAFAEL ALVARENGA ALMEIDA3

1 Bolsista de Iniciação Científica FAPERJ, Discente do Curso de Engenharia de Agrimensura e Cartográfica IT/UFRRJ, (21) 98418-8200, [e-mail]

2 Eng. Agrícola, Professor Doutor, Departamento de Engenharia, IT/UFRRJ, [e-mail]

3 Eng. Agrícola, Professor Doutor, Instituto de Ciência, Engenharia e Tecnologia, UFVJM, [e-mail]

Apresentado no

XLVIII Congresso Brasileiro de Engenharia Agrícola - CONBEA 2019 17 a 19 de setembro de 2019 - Campinas - SP, Brasil

RESUMO: Ferramentas de sistemas de informações geográficos tem sido uma importante forma de monitorar regiões por meio da avaliação de mapas espaciais e temporais. A baixada fluminense é vista como um polo de desenvolvimento agrícola do estado do Rio de Janeiro, devido ao potencial para agricultura orgânica. Assim, o objetiva-se com este trabalho utilizar classificadores para identificar regiões aptas à atividade agrícola na baixada fluminense a partir de imagens obtidas pelo satélite LANDSAT 8. As imagens utilizadas foram adquiridas a partir do banco de dados da USGS com as devidas correções radiométricas e geométricas pré-processadas pelo sistema, com percentual de cobertura de nuvens menor que 10%. Para a definição das áreas foi utilizado a classificação baseada na máxima verossimilhança classificando 4 regiões na área avaliada. Foram utilizadas 50 amostras de cada região para o treinamento do classificador e outras 50 amostras para teste de validação do classificador. O desempenho do classificador foi mensurado por meio da exatidão global e pelo índice Kappa. O classificador apresentou índice Kappa significativo (0,78) sendo identificada 37,40% da área total da baixada fluminense como apta a atividade agrícola.

PALAVRAS-CHAVE: Classificadores supervisionados, mapas de uso do solo, áreas antrópicas agrícolas.

IDENTIFICATION OF REGIONS WITH AGRICULTURAL POTENTIAL IN THE FLUMINENE DOWNLOAD FROM DIGITAL IMAGES OF THE LANDSAT SATELLITE 8

ABSTRACT: Geographic information systems tools have been an important way to monitor regions by evaluating spatial and temporal maps. The Fluminense lowland is considered as a potential pole of agricultural development in the state of Rio de Janeiro. Thus, the objective of this work was to use classifiers to identify regions with agricultural activity in the state of Rio de Janeiro from the images obtained by the satellite LANDSAT 8. The images used were acquired from the USGS database with the correct radiometric and geometric corrections preprocessed by the system, with cloud cover percentage lower than 10%. For the definition of the areas was used the classification based on the maximum likelihood classifying 4 regions in the evaluated area. Fifty samples from each region were used for the training of the classifier and another 50 samples for the classifier validation test. The performance of the classifier was measured by means of global accuracy and the Kappa index. The classifier

showed a significant Kappa index (0.78), being identified 37.40% of the total area of the river basin as suitable for agricultural activity.

KEYWORDS: Supervised classifiers, land use maps, agricultural anthropic areas.

INTRODUÇÃO: Atualmente o monitoramento do uso do solo a partir da identificação e mapeamento de regiões com atividade agropecuária, vem se tornando uma ferramenta importante no processo de tomada de decisão e desenvolvimento de regiões agrícolas (CUNHA et al., 2012; LANDAU et al., 2014). O sensoriamento remoto se apresentado como uma alternativa eficaz para a avaliação e monitoramento de regiões uma vez que o uso de técnicas relacionadas, permite a aquisição de parâmetros de forma precisa e muitas vezes em tempo real (FLORES et al., 2014), além de possibilitar o uso da reflectância da superfície em diferentes faixas espectrais para obtenção de dados conclusivos de acordo com a correlação do problema em questão (GONG, 2012). As imagens do satélite Landsat 8, são comumente utilizadas para este fim por apresentar vantagens como a aquisição das imagens de forma gratuita, viabilizando a aplicação de uma metodologia de baixo custo e com alta resolução espacial e espectral (USGS, 2013). Um dos principais métodos utilizados na classificação de determinada área é o método da Máxima-Verossimilhança. Sua utilização faz-se perante o uso da estatística, para o cálculo do diagrama de dispersão das classes, e sua distribuição de probabilidade por meio das amostras de treinamento. Diante do cenário exposto, e considerando que informações sobre as áreas agricultáveis são essenciais para a tomada de decisões que visem o desenvolvimento das práticas agrícolas, este trabalho teve como objetivo, utilizar classificadores para identificar e mapear regiões aptas à atividade agrícola na baixada fluminense a partir de imagens obtidas pelo satélite LANDSAT 8.

MATERIAL E MÉTODOS: O estudo do uso do solo da baixada fluminense foi realizado no software ArcGis 10.2.2. Primeiramente foram adquiridas imagens do satélite Landsat 8 no banco de dados da USGS, com as devidas correções radiométricas e geométricas pré- processadas pelo sistema e com percentual de cobertura de nuvens inferior a 10%. As bandas utilizadas foram: 2 (Blue), 3 (Green), 4 (Red), 5 (Near Infrared), 6 (SWIR 1) e 7(SWIR 2) com resolução espacial de 30 metros e a banda 8 (Panchromatic) com resolução espacial de

15 metros. Em seguida foi feito a composição colorida da imagem com as bandas multiespectrais e posteriormente realizada a fusão com a banda pancromática a fim de alcançar uma melhor resolução espacial, de 15 metros, utilizando o processo de PAN- SHARPENING, com o intuito de, a partir das imagens multiespectrais, colorir a pancromática. Por fim, foi feito o recorte da área utilizando o shapefile da região previamente obtido no software QGIS 2.18.14. Após a fusão e o recorte da área foi realizada a etapa de projeção para um sistema de coordenadas e datum compatível com o interesse visto que as imagens do Landsat 8 são orientadas em norte verdadeiro (WGS84-23N). Para este trabalho foi utilizado o datum SIRGAS 2000, fuso 23 do hemisfério Sul e o sistema de coordenadas UTM, com unidade em metros. 50 amostras (polígonos retangulares com 4x3 pixels) foram retiradas da imagem para treinamento do classificador. O classificador foi baseado no método de classificação supervisionada da Máxima Verossimilhança para a identificação de 4 classes: áreas aptas a agricultura, áreas urbanas, mata nativa e outras áreas (solo exposto e hidrografias). Após a classificação foi constituído o mosaico das imagens para construção e visualização gráfica das classes distribuídas na área de interesse. Para validação da classificação foram escolhidos 50 pixels aleatórios utilizando o polígono de delimitação da região da baixada fluminense como limite. Ressalta-se que os pontos utilizados na validação não coincidiram com as amostras de treinamento do classificador. Por fim, foi criada uma matriz de erros para o cálculo dos índices Kappa e Exatidão Global (CONGALTON, 1999) dos classificadores. Foi testada o nível de significância do índice Kappa.