Dados de alta resolução espectral coletados pelo sensor Hyperion/EO-1 foram convertidos para imagens de reflectância de superfície e testados quanto à discriminação de cinco variedades brasileiras de cana-de-açúcar. As relações entre alguns índices espectrais e os fatores responsáveis pela variabilidade espectral registrada nos dosséis foram discutidos. Para fins de discriminação, análise discriminante múltipla foi aplicada com as seguintes variáveis submetidas a um processo de seleção passo-a-passo: valores de reflectância das bandas, razões de reflectância das bandas e vários índices espectrais sensíveis às variações no conteúdo de clorofila, água das folhas e lignina-celulose. Os resultados obtidos demonstraram que a variedade SP80-1842 apresentou uma reflectância menor do que as demais, o que facilitou sua discriminação na imagem. A discriminação das outras quatro variedades (RB72-454, SP80-1816, SP81-3250 e SP87-365), que possuem valores de reflectância similares, foi feita com análise discriminante. Esta técnica produziu uma exatidão de classificação de 87,5% para um conjunto independente de pixels. Erros de classificação de alguns talhões ocorreram principalmente para variedades que apresentaram valores maiores de desvio-padrão em sua resposta espectral. Para um dado cultivar, esta variabilidade espectral não pôde ser explicada pela influência de um único fator como tipo de solo, corte da cana ou práticas locais de manejo da cultura. A comparação entre os dados de campo e os dados resultantes da classificação das imagens por análise discriminante demonstrou o potencial dos dados coletados pelo sensor Hyperion e da abordagem metodológica proposta para diferenciar variedades de cana-de-açúcar no sudeste brasileiro.
CITATION STYLE
Galvão, L. S., Formaggio, A. R., & Tisot, D. A. (2009). DISCRIMINAÇÃO DE VARIEDADES DE CANA-DE-AÇÚCAR COM DADOS HIPERESPECTRAIS DO SENSOR HYPERION/EO-1. Revista Brasileira de Cartografia, 57(1). https://doi.org/10.14393/rbcv57n1-44957
Mendeley helps you to discover research relevant for your work.