Resumo:
Objetivou-se com este estudo avaliar a utilização de séries temporais de imagens EVI (Enhanced Vegetation Index) do sensor MODIS (Moderate Resolution Imaging Spectroradiometer) para discriminar diferentes fitofisionomias dentro do bioma cerrado. A classificação das imagens foi realizada através de uma Rede Neural Multicamadas (MLP –MultiLayer Perceptron) com função de ativação logística sigmoide, cuja camada de entrada recebia um vetor com 23 dados os quais caracterizariam o padrão temporal da fitofisionomia, ou seja, a fitomassa e a variação fenológica. A área estudada teve como base e referência o Inventário Florestal de Minas Gerais, realizado pelo IEF/UFLA em 2008, onde foram identificadas as fisionomias Cerradão, Cerrado Senso Stricto e Campo Cerrado com dados do sensor TM/Landsat-5. Nos resultados obtidos, observou-se que apesar de não ter discriminado as diferentes classes de cerrado de forma satisfatória (Kappa= 0,10), a metodologia usada demonstrou ser aplicável no estudo de séries temporais de índice de vegetação analisados através de redes neurais artificiais. A fim de reconhecer as possíveis interferências e obter futuramente melhores resultados nas análises, algumas sugestões foram levantadas, dentre elas: a) Analisar uma amplitude maior das séries temporais EVI (maior número de datas) para melhor caracterizar as fitofisionomias; b) Aumentar o número de amostras para treinamento das redes neurais uma vez que utilizou-se apenas 90 vetores e c) Utilizar outros softwares que possam comportar um maior número de dados.
