MAPEAMENTO DAS INFESTAÇÕES POR PLANTAS AQUÁTICAS EM RESERVATÓRIOS UTILIZANDO IMAGENS MULTIESCALA E REDES NEURAIS ARTIFICIAIS

Resumo

Nos últimos anos, infestações por plantas aquáticas em reservatórios estão sendo estudadas como um efeito do desequilíbrio causado pela poluição e represamento dos rios. A quantidade excessiva de plantas, consequente desse desequilíbrio, dificulta tanto a navegação como a produção de energia elétrica. Esse tipo de ocorrência, assim como a presença algumas substâncias, provocam mudanças na radiância da água registrada por sensores orbitais, de modo que, técnicas de processamento e análise de dados de sensoriamento remoto podem se constituir em uma fonte complementar de dados e fornecer informações relacionadas ao grau de infestação de reservatórios. Nesse contexto, o presente trabalho teve como objetivo verificar a influência da resolução espacial de imagens multiespectrais na detecção e mapeamento de áreas infestadas por plantas aquáticas emersas em um reservatório de pequeno porte, através de utilização de procedimentos de análise multiescala e classificação supervisionada usando redes neurais artificiais. Para isso foram utilizadas imagens IKONOS multiespectrais do reservatório de Salto Grande localizado em Americana- SP. Inicialmente, foi gerada uma imagem multiescala, resultando em imagens de 8, 16 e 32 metros de resolução espacial. Na classificação das imagens, utilizando Redes Neurais Artificiais, os dados de entrada constituíram-se de cenas multiespectrais IKONOS, imagem de textura, e uma imagem índice de vegetação, resultando em mapas temáticos representando variações espectrais da água e áreas de infestação por plantas aquáticas, nos quatro níveis de resolução espacial. Além disso, foi feita uma análise das imagens classificadas através de uma tabulação cruzada, o que permitiu comparar os resultados obtidos nos 4 níveis multiescala. Como resultado ressalta-se que os mapas temáticos produzidos foram representativos nos 4 níveis de resolução espacial. O procedimento metodológico adotado mostrou-se adequado para o mapeamento das variações espectrais da água e detecção das infestações por plantas aquáticas, nos vários níveis de resolução da imagem. A classificação pela rede neural, com os parâmetros definidos para a imagem original e aplicados no treinamento de uma arquitetura adotada para os demais níveis de resolução, foi satisfatória.