Abstract
O Cerrado Rupestre corresponde a uma formação savânica do bioma Cerrado, ocorre predominantemente em relevos acidentados e em meio a afloramentos rochosos, apresenta elevada biodiversidade e várias espécies endêmicas e funciona como barreira para a expansão agrícola. No estado de Goiás, ocorrências expressivas dessa fitofisionomia são encontradas no Parque Nacional da Chapada dos Veadeiros (PNCV). O objetivo deste estudo foi desenvolver uma nova abordagem metodológica para discriminar Cerrado Rupestre do PNCV com base em imagens multitemporais do satélite Landsat. Sete cenas do referido satélite foram convertidas para reflectância de superfície terrestre com suporte do algoritmo de correção atmosférica denominado FLAASH (Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes). Em seguida, os valores de reflectância de cada cena foram somados e as imagens resultantes foram processadas por meio da técnica de segmentação de imagens por crescimento de regiões. Os segmentos foram exportados para o formato shape e os polígonos correspondentes ao Cerrado Rupestre foram identificados por meio de análise visual na tela do computador da composição colorida falsa-cor das bandas 3, 4 e 5. Foram mapeados 24.451 hectares de Cerrado Rupestre, o que corresponde a 37% da área do parque. A exatidão global do mapeamento foi de 85%. Como continuação desta linha de pesquisa, recomenda-se a inclusão de um número maior de cenas, principalmente da estação chuvosa, a integração dos dados de sensoriamento remoto com modelos digitais de elevação e a análise sinergística entre os sensores ETM+ e TM do Landsat com calibração cruzada.Authors hold the Copyright for articles published in this journal, and the journal holds the right for first publication. Because they appear in a public access journal, articles are licensed under Creative Commons Attribution (BY), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Downloads
Download data is not yet available.
Metrics
Metrics Loading ...