부산대학교 도서관

O objetivo desta pesquisa foi avaliar o uso de dados hiperespectrais Hyperion/EO-1 na discriminação de alvos agrícolas, comparando a acurácia de classificação obtida pelos dados desse sensor à obtida por dados multiespectrais ETM+/Landsat-7. Para isso, alvos agrícolas da região de Franca - SP, com diferenças espectrais bem definidas e outros alvos com diferenças espectrais sutis, imageados por ambos os sensores, em 16 de julho de 2002, foram discriminados utilizando o classificador supervisionado de Máxima Verossimilhança (MaxVer). Os alvos agrícolas com diferenças espectrais bem definidas foram caracterizados por seis classes de uso e cobertura do solo; já os com diferenças espectrais sutis, por cinco classes de variedades de cana-de-açúcar. Quando os dados ETM+ foram classificados, a acurácia foi de 91,5% para as classes de uso e cobertura do solo e de 67,6% para as classes de variedades de cana-de-açúcar, enquanto, para os dados do sensor Hyperion, a acurácia de classificação foi de 94,9% e de 87,1%, respectivamente, demonstrando, assim, a importância do uso de dados hiperespectrais na discriminação de alvos agrícolas com características espectrais semelhantes.The aim of this work was to assess Hyperion/EO-1 hyperspectral data to discriminate agricultural fields, comparing that data classification accuracy with ETM+/Landsat-7 multi-spectral data classification accuracy. For this purpose, agricultural targets with well-defined and subtle spectral differences in Franca municipality, São Paulo State, Brazil, imaged by both sensors in July, 2002, were discriminated by using a supervised classification (Maximum Likelihood) algorithm. Agricultural targets with well-defined spectral differences were characterized by six land use/land cover classes, while five sugarcane varieties were used as targets with subtle spectral differences. When the broadband ETM+ data were classified, the overall accuracy was 91.5% for six land use/land cover classes and 67.6% for five sugarcane variety classes, while for narrowband Hyperion data the accuracies were 94.9% and 87.1%, respectively. This result shows the importance of hyperspectral data use for agricultural targets discrimination with similar spectral characteristics.