Utilização de imagens SAR na classificação de formações florestais brasileiras

Use of SAR images for classification of brazilian forest formations

Resumo

O Brasil tem uma vasta área territorial com várias tipologias florestais compostas por diferentes fisionomias. É necessário o mapeamento das áreas de florestas no país, com o intuito de se conhecer sua distribuição espacial, bem como de avaliar sua dinâmica de expansão ou redução. Uma forma eficiente e confiável de se obter tais informações se dá por meio de técnicas de sensoriamento remoto, podendo ser aplicado o imageamento por radar (micro-ondas), que por sua vez tem sido o foco de muitos pesquisadores. Sendo assim, o objetivo do presente estudo é reunir as produções científicas relacionadas à utilização de imagens de radar aplicadas ao mapeamento das diferentes florestas no Brasil, analisando as mais recentes abordagens e técnicas de classificação. Notou-se uma significativa aplicação de imagens SAR em florestas do bioma Amazônia, principalmente para a detecção do desmatamento. As imagens do sistema do radar de banda L do ALOS/PALSAR foram as mais utilizadas nos mapeamentos das tipologias florestais, associadas a vários algoritmos classificadores, tais como: Iterated Conditional Modes, Máxima Verossimilhança e random forest. Os tipos de dados trabalhados nas classificações variaram de acordo com a capacidade polarimétrica de cada imagem, com destaque à maior utilização dos coeficientes de retroespalhamento e atributos extraídos das decomposições de suas matrizes. Observou-se ainda que a maioria dos trabalhos relacionaram os dados SAR com os obtidos por sensores ópticos. Portanto, o presente estudo possibilitou reunir várias aplicações de técnicas de classificação para a discriminação de diferentes formações florestais no Brasil utilizando o imageamento por micro-ondas, indicando a potencialidade dos vários classificadores nos dados SAR, mostrando que os sistemas de radar são uma importante tecnologia utilizada para o mapeamento de florestas no país.

Palavras-chave:
Sensoriamento remoto; Vegetação; Radar de abertura sintética; Algoritmo classificador