Estimativa da cobertura arbórea utilizando a combinação de imagens Ikonos e Landsat

Abstract

O modelo de calibração é capaz de estimar campos contínuos, representando a variabilidade de um determinado alvo temático. Este trabalho foi realizado com o objetivo de desenvolver um modelo numérico para representar a variabilidade da cobertura arboreal em áreas de vegetação nativa, usando o algoritmo de árvore de regressão. O estudo foi conduzido em uma área localizada na sub-bacia do alto médio São Francisco, ao norte do estado de Minas Gerais. O algoritmo utilizado foi o CUBIST, gerando o modelo e a estimativa da cobertura arbórea. Foram utilizadas imagens Ikono e Landsat TM, na época de verão e de inverno. O modelo de calibração por árvore de regressão gera, para cada estágio, uma partição binária, composta de uma regressão linear, formando ramificações, tornando-se, assim, o erro menor que de um único modelo de regressão. Os resultados gerados foram: o modelo numérico de árvore de regressão e a imagem índice de cobertura de dossel extrapolada para a imagem TM. A utilização do modelo não paramétrico por árvore de regressão apresentou resultados de 72% de correlação e 14,8 de erro para a estimativa em 2.168 ha de transição, nos domínios de Cerrado e Florestas Estacionais Deciduais.

The numeric modeling is capable to estimate continuous fields representing the variability of a certain thematic objective. This work had as objective develops a numeric model to represent the variability of the tree covering in areas of native vegetation using the algorithm of regression tree. This research was led in the sub-bacia medium of San Francisco to the North of Minas Gerais. The used algorithm was CUBIST, generating the model and the estimate of the tree cover for other areas. There were used image Ikono and Landsat TM. The numeric modeling for regression tree generates for each node a binary partition composed of a lineal regression, forming ramifications, becoming like this the smaller error than of an only regression model. The generated results were: the numeric model of regression tree and the image index of tree cover extrapolated for the image TM. The use of the model non parametric by regression tree; presented 72% of correlation and 14.8 error results for the estimate in 2168 ha transition at the physiognomy of Savana and Deciduous forest.