Use este identificador para citar ou linkar para este item: http://repositorio.ufpa.br:8080/jspui/handle/2011/11638
Tipo: Dissertação
Data do documento: 11-Abr-2012
Autor(es): SANTOS, Diogo Corrêa
Primeiro(a) Orientador(a): SOUZA FILHO, Pedro Walfir Martins e
Título: Reconhecimento e mapeamento de gêneros de mangue a partir de dados espectrorradiométricos e imagens Ikonos na Ilha de Marajó – Pa
Citar como: SANTOS, Diogo Corrêa. Reconhecimento e mapeamento de gêneros de mangue a partir de dados espectrorradiométricos e imagens Ikonos na Ilha de Marajó – Pa. Orientador: Pedro Walfir Martins e Souza Filho. 2012. 61 f. Dissertação (Mestrado em Geologia e Geoquímica) – Instituto de Geociências, Universidade Federal do Pará, Belém, 2012. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11638. Acesso em: .
Resumo: Imagens de alta resolução do satélite Ikonos II e medidas espectrorradiométricas vem sendo bastantes utilizadas para o mapeamento e reconhecimento espectral de ambientes costeiros, em especial os manguezais. O objetivo desta investigação é mapear os diferentes ambientes costeiros e reconhecer os diferentes gêneros de mangue, a partir de dados botânicos e de medição da reflectância das folhas medida no campo com um espectroradiômetro em Soure (Ilha de Marajó/PA). Para este fim, foi utilizado o método automático, orientado a objeto para classificação de imagens Ikonos multiespectrais, que enfatiza as informações de contexto. Na planície costeira foram discriminados 7 ambientes, a saber: campos naturais, cordão arenoso antigo, praia, área inundada, terraço de manguezal e massa d’água. A precisão na classificação geral dos ambientes costeiros apresenta índice Kappa de 94% e acurácia global de 95%. O uso da técnica de classificação orientada a objeto das imagens Ikonos juntamente com os dados de campo (espectro radiômetro), permitiu a separação de três tipos de gêneros de mangue, entre eles Laguncularia, Avicennia e Rizhophora, cuja avaliação da classificação mostrou valor de 70% para o índice Kappa e 78,29% para exatidão global, indicando uma classificação substancial com os dados adquiridos em campo.
Abstract: Ikonos II satellite high resolution images combined with radiometric data have been successfully used for mapping and spectral characterization of coastal environments, especially mangroves. This research aimed to map the coastal environments and recognize the different types of mangroves in Soure (Marajó Island/PA), using botanical inventory data and reflectance of vegetation. The study methods included automated classification of the Ikonos multispectral images and in situ reflectance measurements of the vegetation leaves with a spectrum radiometer. Seven distinct environments were identified in the coastal plain: grasslands, old sandy barrier, beach, water mass, flooded area, terrace swamp and mangrove. The Kappa index and global accuracy in the general classification of the coastal resources are 94% and 95% respectively. The use of object-oriented classification of Ikonos images together with spectrum radiometer field data allowed to distinguish between three types of mangrove, including Laguncularia, Avicennia and Rizhophora. The Kappa index and global accuracy for mangrove classification in this study were 70 % and 78.29% respectively. Evidencing that the classification based on field data was efficient and reliable.
Palavras-chave: Sensoriamento remoto
Mangue
Ilha de Marajó - PA
Área de Concentração: GEOLOGIA
Linha de Pesquisa: GEOLOGIA MARINHA E COSTEIRA
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS
País: Brasil
Instituição: Universidade Federal do Pará
Sigla da Instituição: UFPA
Instituto: Instituto de Geociências
Programa: Programa de Pós-Graduação em Geologia e Geoquímica
Tipo de Acesso: Acesso Aberto
Fonte: 1 CD-ROM
Aparece nas coleções:Dissertações em Geologia e Geoquímica (Mestrado) - PPGG/IG

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertacao_ReconhecimentoMapeamentoGeneros.pdf5,09 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons