Resumo O objetivo deste trabalho foi avaliar o cultivo da cana-de-açúcar, em análise harmônica aplicada a uma série temporal de índices de vegetação Modis, com a representação dos termos harmônicos. Os dados diários de precipitação pluvial para o Estado de São Paulo foram obtidos do Agritempo, acumulados para o período de 16 dias das composições Modis, ao longo das safras de 2004/2005 a 2011/2012. Utilizaram-se o índice de vegetação por diferença normalizada (NDVI) e o índice de realce da vegetação (EVI) em séries temporais decompostas em termos harmônicos pela análise harmônica. Para visualizar a condição de crescimento da vegetação de áreas agrícolas, em especial a informação de fase, aplicou-se a transformação HLS aos termos harmônicos obtidos com o algoritmo Hants, por meio do programa Envi. O cultivo da cana-de-açúcar no Estado de São Paulo apresenta padrões espaciais coerentes com o ciclo de desenvolvimento da cultura e consistentes com a variabilidade das precipitações sazonais que afetam diretamente o momento de máximo dos índices de vegetação. O pico vegetativo da cana-de-açúcar ocorre durante a fase de crescimento, em anos com chuvas normais; porém, em anos de pouca chuva, a fase de maturação da cultura é antecipada e, em anos de muita chuva, a fase de crescimento é antecipada, o que causa o atraso da maturação.

Abstract The objective of this work was to evaluate sugarcane cultivation, in a harmonic analysis applied to a time series of Modis vegetation indices, with the representation of harmonic terms. Daily rainfall data were obtained from Agritempo for the state of São Paulo, Brazil, and accumulated for a period of 16 days of Modis compositions, from the 2004/2005 to 2011/2012 crop seasons. The normalized difference vegetation index (NDVI) and the enhanced vegetation index (EVI) were used in time-series decomposed in harmonic terms by the harmonic analysis. In order to visualize the growing conditions of vegetation in agricultural areas, specially the phase information, the HLS transformation was applied to the harmonic terms obtained by the Hants algorithm, using Envi software. Sugarcane cultivation in the state of São Paulo shows spatial patterns that are coherent with the sugarcane development cycle and consistent with the variability of seasonal rainfall that directly affect the maximum period of vegetation indices. The peak growth stage of sugarcane occurs in years of normal rainfall; however, in years with below normal rainfall, sugarcane maturation phase is anticipated, and, in years with above normal rainfall, the growth phase is anticipated, which causes maturation delay.

ABSTRACT Vegetation indices are widely used to monitor crop development and generally used as input data in models to forecast yield. The first step of this study consisted of using monthly Maximum Value Composites to create correlation maps using Enhanced Vegetation Index (EVI) from Moderate Resolution Imaging Spectroradiometer (MODIS) sensor mounted on Terra satellite and historical yield during the soybean crop cycle in Paraná State, Brazil, from 2000/2001 to 2010/2011. We compared the ability of forecasting crop yield based on correlation maps and crop specific masks. We ran a preliminary regression model to test its ability on yield estimation for four municipalities during the soybean growing season. A regression model was developed for both methodologies to forecast soybean crop yield using leave-one-out cross validation. The Root Mean Squared Error (RMSE) values in the implementation of the model ranged from 0.037 t ha−1 to 0.19 t ha−1 using correlation maps, while for crop specific masks, it varied from 0.21 t ha−1 to 0.35 t ha−1. The model was able to explain 96 % to 98 % of the variance in estimated yield from correlation maps, while it was able to explain only 2 % to 67 % for crop specific mask approach. The results showed that the correlation maps could be used to predict crop yield more effectively than crop specific masks. In addition, this method can provide an indication of soybean yield prior to harvesting.

RESUMO As imagens do sensor MODIS fornecem dados que cobrem áreas de grande extensão com alta periodicidade, características fundamentais que possibilitam o monitoramento de culturas agrícolas estratégicas para o Brasil, como as da cana-de-açúcar. Técnicas matemáticas vêm sendo empregadas no estudo de longas séries temporais de índices de vegetação, baseado nas mudanças que acontecem na superfície terrestre, o que facilita o entendimento da dinâmica temporal. O objetivo deste trabalho foi realizar a avaliação da dinâmica do cultivo da cana-de-açúcar no Estado de São Paulo por meio de perfis temporais de dados MODIS, ao longo das safras de 2004/2005 a 2011/2012. A Transformada de Wavelet Daubechies 8 aplicada à série temporal do EVI2 do MODIS mostrou ser uma técnica robusta, pois conseguiu eliminar os ruídos, propiciando, assim, melhor captura das tendências dos ciclos de desenvolvimento da cana-de-açúcar em toda a série temporal. Os perfis temporais suavizados do EVI2 puderam ser utilizados no monitoramento do cultivo da cana-de-açúcar para identificar as épocas de mudanças do uso do solo e da cobertura da terra, acompanhando as variações sazonais dos ciclos fenológicos desde o plantio ou rebrota das soqueiras até à colheita.

ABSTRACT MODIS sensor images provide data covering broad areas with high periodicity. Such features are fundamental for monitoring of strategic agricultural crops in Brazil, just as sugarcane. Mathematics techniques have been applied to time-series of remote sensing imagery to characterize vegetation phenology and to better understand its dynamics. This study aimed at assessing the dynamics of sugarcane cultivation throughout São Paulo State by means of MODIS data temporal profiles from 2004/2005 to 2011/2012 crop years. Daubechies 8 Wavelet Transformation applied to time-series MODIS EVI2 consists of a robust technique to remove noise, thereby providing a better capture of sugarcane cycle trends within the entire time-series. Smoothed EVI2 temporal profiles could be used for sugarcane cultivation monitoring and land cover change detection, accompanying seasonal variations in phenology from planting or ratoon regrowth until harvest.

Resumo O presente artigo busca apresentar os principais conceitos envolvendo um planejamento energético específico da palha da cana-de-açúcar. Ao longo do trabalho, procurou-se contextualizar o tema por meio de questões de sustentabilidade, considerada um dos principais indutores em direção à modernização da agroenergia. Considerando a palha da cana de açúcar, avaliou-se primeiramente sua disponibilidade envolvendo aspetos técnicos e econômicos, e posteriormente caracterizou-se a cadeia de produção da palha para energia. Como proposta para auxílio ao planejamento agroenergetico, apresentou-se algumas ferramentas espaciais que até então pouco têm sido utilizadas para planejamento energético no Brasil. Deste modo, trabalhando o potencial de palha para eletricidade associado à sua cadeia de produção, desenvolveu-se um modelo conceitual para se avaliar espacialmente esse sistema bioenergético. Utilizando o modelo proposto, foi possível descrever toda a cadeia de produção da palha para energia em um nível estadual, envolvendo o potencial que cada usina pode explorar, bem como os principais custos associados à sua aquisição, investimentos relacionados à rota de recuperação e em linhas de transmissão. Por meio dos conceitos abordados, acredita-se que análise espacial pode trazer importantes informações para planos de ação no âmbito agroenergético.

ABSTRACT The present study aims to present the main concepts of the sugarcane straw to energy planning. Throughout the study, the subject is contextualized highlighting broader aspects of sustainability, which is considered the main driver towards agro-energy modernization. Concerning sugarcane straw, we first evaluated its availability regarding technical and economic aspects, and then it summarized the straw production chain for energy supply purposes. As a proposal to support agro-energy planning, it is presented some spatial tools that have been barely used in the Brazilian energy planning context so far. Therefore, working on straw to electricity associated with supply chain basis, we developed a conceptual model to spatially assess this bioenergy system. Using the model proposed, it is described the whole supply chain at state level, which accounted the potential of a single mill to explore straw, as well as main costs associated with straw acquisition, investments on the straw recovery routes and electricity transmission. Bearing these concepts in mind, it is fully believed that spatial analysis can bring important information for agro-energy action plans.

Alguns modelos já foram desenvolvidos utilizando dados agrometeorológicos e de sensoriamento remoto para estimar produtividade agrícola. Porém, espera-se novos avanços no uso de imagens orbitais nos modelos de estimativa de produtividade, como a utilização de dados provenientes de sensores de radar de abertura sintética (SAR). O objetivo deste trabalho foi estimar a produtividade agrícola de cana-de-açúcar (Saccharum spp.) por meio de modelos de regressão linear múltipla que utilizam dados de radar do sensor PALSAR/ALOS e dados agronômicos, nas safras de 2007/2008, 2008/2009 e 2009/2010. O desempenho dos modelos foi avaliado por meio de coeficiente de determinação, teste t, índice d de Willmott, erro aleatório e erro-padrão. O modelo explicou 79%, 12% e 74% das variações de produtividade observadas nas safras de 2007/2008, 2008/2009 e 2009/2010, respectivamente. O desempenho do modelo para a safra de 2008/2009 foi ruim devido a um longo período de estiagem que ocorreu nessa safra. Quando as três safras foram consideradas juntas, o modelo explicou 66%. Este trabalho constatou que os dados PALSAR podem auxiliar e complementar as informações coletadas in loco pelos técnicos da usina para estimar com maior precisão a produtividade de cana-de-açúcar.

Some models have been developed using agrometeorological and remote sensing data to estimate agriculture production. However, it is expected that the use of SAR images can improve their performance. The main objective of this study was to estimate the sugarcane production using a multiple linear regression model which considers agronomic data and ALOS/PALSAR images obtained from 2007/08, 2008/09 and 2009/10 cropping seasons. The performance of models was evaluated by coefficient of determination, t-test, Willmott agreement index (d), random error and standard error. The model was able to explain 79%, 12% and 74% of the variation in the observed productions of the 2007/08, 2008/09 and 2009/10 cropping seasons, respectively. Performance of the model for the 2008/09 cropping season was poor because of the occurrence of a long period of drought in that season. When the three seasons were considered all together, the model explained 66% of the variation. Results showed that SAR-based yield prediction models can contribute and assist sugar mill technicians to improve such estimates.

O conhecimento da influência da variabilidade climática no período entre o crescimento e a colheita da cana-de-açúcar é de grande importância, pois afeta diretamente a produtividade. O sensor MODIS, devido a sua resolução espacial e temporal, permite o monitoramento da variabilidade do vigor vegetativo na superfície terrestre e, por conseguinte, a geração de perfis temporais deste comportamento a partir de seus produtos. Dados agrometeorológicos obtidos pelo modelo ECMWF, além de gratuitos e de fácil acesso, apresentam boa representatividade da realidade. Neste trabalho, foram utilizados intervalos de crescimento e colheita obtidos pela seleção de perfis temporais de NDVI com comportamento de cana-de-açúcar no Estado de São Paulo. A partir destes, foram acumulados, dentro de cada período, a soma da precipitação pluvial, evapotranspiração de referência, radiação global e comprimento do período em dias. Além disso, foi feito o somatório de graus-dia da cana-de-açúcar. Todos os resultados foram apresentados em formato de mapa, na resolução espacial do sensor MODIS de 250 metros. A análise dos resultados mostrou que foi possível identificar a variabilidade espacial das variáveis climáticas e sua relação com a realidade apresentada por órgãos oficiais.

The climate variability between the growth and harvesting of sugar cane is very important because it directly affects yield. The MODIS sensor has characteristics like spatial and temporal resolution that can be applied to monitoring of vegetative vigor variability in the land surface and then, temporal profiles generation. Agro meteorological data from ECMWF model are free and easy to access and have a good representation of reality. In this study, we used the period between sugar cane growth and harvest in the state of Sao Paulo, Brazil, from temporal profiles selecting of NDVI behavior. For each period the precipitation, evapotranspiration, global radiation, length (days) and degree-days were accumulated. The periods were presented in a map format on MODIS spatial resolution of 250 meters. The results showed the spatial variability of climate variables and the relationship to the reality presented by official data.

A produção de café esteve intimamente ligada ao desenvolvimento econômico do Brasil e ainda hoje o café é um importante produto da agricultura nacional. O Estado de Minas Gerais responde atualmente por 52% de toda a área de café do Brasil. Dados de sensoriamento remoto podem fornecer informações para o monitoramento e o mapeamento de café de maneira mais rápida e menos onerosa do que os métodos convencionais. Nesse contexto, o objetivo deste trabalho foi avaliar a eficácia do mapeamento de áreas de café do município de Monte Santo de Minas-MG, a partir de imagens-fração derivadas do sensor MODIS, nas estações de estiagem e de chuva. Através do Modelo Linear de Mistura Espectral, foram derivadas imagens-fração de solo, café e água/sombra. Estas imagens-fração serviram como dados de entrada para a classificação automática supervisionada com o método SVM - Support Vector Machine. Os melhores resultados de Exatidão Global e Índice Kappa foram obtidos na classificação do período seco, sendo 67% e 0,41, respectivamente.

Coffee production was closely linked to the economic development of Brazil and, even today, coffee is an important product of the national agriculture. The State of Minas Gerais currently accounts for 52% of the whole coffee area in Brazil. Remote sensing data can provide information for monitoring and mapping of coffee crops, faster and cheaper than conventional methods. In this context, the objective of this study was to assess the effectiveness of coffee crop mapping in Monte Santo de Minas municipality, Minas Gerais State, Brazil, from fraction images derived from MODIS data, in both dry and rainy seasons. The Spectral Linear Mixing Model was used to derive fraction images of soil, coffee, and water/shade. These fraction images served as input data for the supervised automatic classification using the SVM - Support Vector Machine approach. The best results concerning Overall Accuracy and Kappa Index were obtained in the classification of the dry season, with 67% and 0.41, respectively.

Este trabalho apresenta um estudo de estatística espacial de áreas baseado no NDVI (índice de vegetação por diferença normalizada) e no GVI (índice de vegetação verde) da cultura da soja, obtidos de imagens de sensoriamento remoto da região oeste do Paraná. As imagens foram coletadas pelo sensor TM (Thematic Mapper) do satélite Landsat-5, durante a safra de 2004/2005. Os dados foram agrupados em cinco classes de igual amplitude, o que permitiu criar um mapa da evolução temporal da cultura da soja. Foi utilizado o índice I de Moran para estudar a autocorrelação espacial em um nível global e o índice LISA (Local Indicators of Spatial Association) para estudar a autocorrelação espacial em um nível local. Por meio destes índices, foi possível conhecer o perfil da cultura de soja nos municípios da região oeste do Paraná, permitindo identificar épocas diferentes do plantio desta cultura e subsidiar os membros da cadeia produtiva da soja que utilizam dados de produtividade em seus planejamentos.

This research aims at studying spatial autocorrelation of Landsat/TM based on normalized difference vegetation index (NDVI) and green vegetation index (GVI) of soybean of the western region of the State of Paraná. The images were collected during the 2004/2005 crop season. The data were grouped into five vegetation index classes of equal amplitude, to create a temporal map of soybean within the crop cycle. Moran I and Local Indicators of Spatial Autocorrelation (LISA) indices were applied to study the spatial correlation at the global and local levels, respectively. According to these indices, it was possible to understand the municipality-based profiles of tillage as well as to identify different sowing periods, providing important information to producers who use soybean yield data in their planning.

O objetivo deste trabalho foi agrupar, por semelhança, perfis temporais do produto NDVI decendial, obtido pelo sensor SPOT Vegetation, para os municípios produtores de soja no Estado do Paraná, na safra agrícola de 2005/2006. A Mineração de Dados é uma ferramenta valiosa que permite extrair conhecimento de uma base de dados, identificando padrões válidos, novos, potencialmente úteis e compreensíveis. Neste sentido, adotou-se a abordagem de geração dos clusters pelos algoritmos K-Means, MAXVER e DBSCAN no software WEKA. Foram gerados clusters com base no perfil temporal médio de NDVI dos 277 municípios produtores de soja do Estado, e os melhores resultados foram encontrados com o algoritmo K-Means, agrupando os municípios em seis clusters, utilizando o período do início de outubro ao final de março, equivalente ao ciclo vegetativo da cultura. Metade dos clusters gerados apresentou padrão espectro-temporal característico de soja e esteve, em sua grande maioria, sob o cinturão da soja do Estado do Paraná, demonstrando os bons resultados encontrados com a metodologia proposta, em termos de identificação de áreas homogêneas. Estes resultados serão úteis na geração de "máscaras" de soja regionalizadas para estimativa de área plantada desta cultura.

The aim of this study was to group temporal profiles of 10-day composites NDVI product by similarity, which was obtained by the SPOT Vegetation sensor, for municipalities with high soybean production in the state of Paraná, Brazil, in the 2005/2006 cropping season. Data mining is a valuable tool that allows extracting knowledge from a database, identifying valid, new, potentially useful and understandable patterns. Therefore, it was used the methods for clusters generation by means of the algorithms K-Means, MAXVER and DBSCAN, implemented in the WEKA software package. Clusters were created based on the average temporal profiles of NDVI of the 277 municipalities with high soybean production in the state and the best results were found with the K-Means algorithm, grouping the municipalities into six clusters, considering the period from the beginning of October until the end of March, which is equivalent to the crop vegetative cycle. Half of the generated clusters presented spectro-temporal pattern, a characteristic of soybeans and were mostly under the soybean belt in the state of Paraná, which shows good results that were obtained with the proposed methodology as for identification of homogeneous areas. These results will be useful for the creation of regional soybean "masks" to estimate the planted area for this crop.

Dada a importância da soja para a economia do Brasil, a obtenção de estimativas da área semeada e da produção com maior antecedência e confiabilidade torna-se indispensável. Técnicas ligadas ao Sensoriamento Remoto podem ajudar na obtenção dessas informações com menores custos e subjetividade em relação aos levantamentos tradicionais. O trabalho tem por objetivo estimar a área semeada com a cultura da soja, durante safra de 2008/2009, em municípios do oeste do Estado do Paraná, com base na dinâmica espectral da cultura e por meio da utilização do sistema de análises específico para imagens do satélite Landsat 5/TM. Os resultados obtidos foram satisfatórios, pois a classificação supervisionada por Máxima Verossimilhança - MaxVer, juntamente com as técnicas do sistema de análises específico de imagens de satélites, permitiu uma estimativa de área plantada com a cultura da soja (máscara de soja), obtendo valores das métricas de Exatidão Global de 79,05% em média e Índice Kappa acima de 63,50%, em todos os municípios estudados. O acompanhamento de uma área-referência foi de grande importância para a determinação do estágio vegetativo em que a cultura mais se diferencia de outros alvos, facilitando a escolha das amostras de treinamento (ROIs) e evitando erros de classificação.

The soybean is important to the economy of Brazil, so the estimation of the planted area and the production with higher antecedence and reliability becomes essential. Techniques related to Remote Sensing may help to obtain this information at lower cost and less subjectivity in relation to traditional surveys. The aim of this study is to estimate the planted area with soybean culture in the crop of 2008/2009 in cities in the west of the state of Paraná, in Brazil, based on the spectral dynamics of the culture and through the use of the specific system of analysis for images of Landsat 5/TM satellite. The obtained results were satisfactory, because the classification supervised by Maximum Verisimilitude - MaxVer along with the techniques of the specific system of analysis for satellite images has allowed an estimate of soybean planted area (soybean mask), obtaining values of the metrics of Global Accuracy with an average of 79.05% and Kappa Index over 63.50% in all cities. The monitoring of a reference area was of great importance for determining the vegetative phase in which the culture is more different from the other targets, facilitating the choice of training samples (ROIs) and avoiding misclassifications.

O objetivo deste trabalho foi estimar a área plantada com soja por meio da normalização da matriz de erros gerada a partir da classificação supervisionada de imagens TM/Landsat‑5. Foram avaliados oito municípios no Estado do Paraná, com dados referentes à safra de 2003/2004. As classificações foram realizadas por meio dos métodos paralelepípedo e máxima verossimilhança, dando origem à "máscara de soja". Os valores do índice Kappa dos oito municípios ficaram acima de 0,6. As estimativas de área de soja, corrigidas por matriz de erros, apresentaram alta correlação com as estimativas oficiais do estado e com as estimativas geradas a partir de um método alternativo denominado "expansão direta". A estimativa de área de soja por meio da normalização da matriz de erros apresenta menor custo e pode subsidiar métodos convencionais na estimativa menos subjetiva de safras.

The objective of this work was to estimate soybean crop area by the normalization of the error matrix generated from the supervised classification of TM/Landsat‑5 images. Eight municipalities of the state of Paraná, Brazil, were evaluated using data from the 2003/2004 crop season. Classifications were carried out using the parallelepiped and maximum likelihood methods, resulting in a "soybean mask". Kappa index values for the eight municipalities were above 0.6. Estimated soybean areas, corrected by the error matrix, were highly correlated with official estimates of the state and with estimates generated from an alternative method called "direct expansion". Soybean crop area estimation by the normalization of the error matrix is less costly and can aid conventional methods in estimating harvests in a less subjective manner.

O objetivo deste trabalho foi avaliar o potencial das imagens multipolarizadas do sensor‑radar Palsar/Alos em diferenciar as fases fenológicas da cana‑de‑açúcar. Valores digitais de quatro imagens do sensor, dos meses de fevereiro, maio, agosto e outubro de 2008, com polarizações HH (emissão e recebimento de onda na polarização horizontal) e HV (emissão de onda na polarização horizontal e recebimento na vertical), foram convertidos para coeficientes de retroespalhamento (σ°), para a análise de dados de cana‑de‑açúcar, cultivadas em talhões na região nordeste do Estado de São Paulo. Foram selecionadas três variedades, em diferentes estágios fenológicos: RB85‑5156, seis talhões; RB86‑7515, dez talhões; e RB92‑5345, dez talhões. As diferenças entre as fases fenológicas foram avaliadas para cada uma das variedades e, também, entre as variedades. A utilização simultânea ou não dos dados do sensor Palsar/Alos, obtidos em duas polarizações, foi capaz de discriminar as diferentes fases de crescimento da cana‑de‑açúcar, com exceção da fase de crescimento dos colmos e a fase de maturação, em que não foi observada diferença significativa.

The objective of this work was to evaluate the potential of multipolarized Palsar/Alos satellite images to discriminate phenological phases of sugarcane. Digital values from four digital images of February, May, August, and October 2008, with HH (sending and receiving wave in horizontal polarization) and HV polarizations (sending wave in horizontal polarization and receiving in vertical polarization), were converted to backscattering coefficients (σ°) for data analysis of sugarcane cultivated in the northeastern of the state of São Paulo, Brazil. Three varieties were selected at different phenological stages: RB85‑5156, six stands; RB86‑7515, ten stands; and RB92‑5345, ten stands. The differences between the phenological phases were analyzed for each variety, and also between varieties. The single or dual‑poralized Palsar/Alos data, obtained in two polarizations, were able of discriminating the different phases of sugarcane growth, except for the grand growth period and maturity phase, in which no significant difference was observed.

O objetivo deste trabalho foi estimar e mapear as áreas com as culturas de soja e milho, no Paraná, com uso de imagens multitemporais EVI/Modis. Foram avaliados os anos‑safra de 2004/2005 a 2007/2008. Em razão da alta dinâmica temporal e da heterogeneidade de datas de semeadura das culturas no estado, foram utilizadas cenas que contemplavam as fases de pré‑plantio e de desenvolvimento inicial das culturas, para gerar a imagem de mínimo EVI (IMIE), e cenas que consideravam o pico vegetativo das culturas, para gerar a imagem de máximo EVI (IMAE). Estas imagens foram utilizadas para gerar a composição colorida RGB (R, IMAE; GB, IMIE), o que permitiu a confecção de máscara das áreas com soja e milho. As estimativas das áreas de máscara por município foram comparadas com dados oficiais de produção agrícola municipal, tendo-se observado bons ajustes (R²>0,84, d>0,95, c>0,85) entre os dados. Para a avaliação da exatidão espacial das máscaras, imagens Landsat‑5/TM e AWiFS/IRS foram usadas como referência para construção da matriz de erros. Os resultados obtidos são indicativos de que a metodologia proposta é altamente eficiente e pode ser utilizada para mapeamento dessas culturas.

The objective of this work was to estimate and map crop areas with soybean and corn in the state of Paraná, Brazil, using EVI/Modis images. The crop seasons from 2004/2005 to 2007/2008 were evaluated. Due to the high temporal dynamics and difference in sowing dates of the cultures within the state, scenes containing the pre‑planting and initial crop development phases were used to obtain the minimum EVI image (IMIE), and scenes at the peak of the crop cycle were used to obtain the maximum EVI image (IMAE). These images were used to generate the RGB color composition (R, IMAE; GB, IMIE), which allowed for the creation of masks of the areas planted with soybean and corn. The estimation of masked areas by municipality was compared with the municipal agricultural production official data, and good fits (R²>0.84, d>0.95, c>0.85) were observed between data. For spatial accuracy assessment, Landsat‑5/TM and AWiFS/IRS images were used as references to build the error matrix. The obtained results indicate that the proposed methodology is highly efficient and may be used as a model for cropland mapping.

Este trabalho teve o objetivo de identificar diferentes condições na cultura do café, após a colheita, utilizando mineração de dados e curvas espectrais obtidas do sensor Hyperion/EO1.A imagem Hyperion, com resolução espacial de 30 m,foi obtida em 28 de agosto de 2008, fim de safra do café na área de estudo.Como pré-processamentos, foram realizadas a correção atmosférica através do algoritmo Flaash e a correção do sinal/ruído pelo algoritmo MNF (Minimum Noise Fraction Transform). Posteriormente, foram geradas curvas espectrais (38) de 150 comprimentos de onda, que foram analisadas através do algoritmo EM (Expectation-Maximization), considerando simulações de 2; 3; 4 e 5 clusters. Para verificar a igualdade das médias dos comprimentos de onda dos clusters, foi utilizado o teste t, com 5% de significância. Os resultados mostraram que foi possível separar os cafés em cinco diferentes grupos, segundo sua condição pós-colheita, possibilitando melhorar ações futuras de intervenção.

This study aimed at identifying different conditions of coffee plants after harvesting period, using data mining and spectral behavior profiles from Hyperion/EO1 sensor. The Hyperion image, with spatial resolution of 30 m, was acquired in August 28th, 2008, at the end of the coffee harvest season in the studied area. For pre-processing imaging, atmospheric and signal/noise effect corrections were carried out using Flaash and MNF (Minimum Noise Fraction Transform) algorithms, respectively. Spectral behavior profiles (38) of different coffee varieties were generated from 150 Hyperion bands. The spectral behavior profiles were analyzed by Expectation-Maximization (EM) algorithm considering 2; 3; 4 and 5 clusters. T-test with 5% of significance was used to verify the similarity among the wavelength cluster means. The results demonstrated that it is possible to separate five different clusters, which were comprised by different coffee crop conditions making possible to improve future intervention actions.

O objetivo deste trabalho foi avaliar as informações obtidas das imagens do satélite Landsat/TM5, utilizando técnicas de Análise por Componentes Principais (ACP) e Fator de Iluminação oriundo de um Modelo de Elevação do Terreno, calculado a partir de imagens ASTER, no mapeamento de áreas de café em terreno montanhoso. As imagens utilizadas (três) foram corrigidas para o efeito da atmosfera e cobriram, temporalmente, o ciclo da cultura. Foram calculadas as componentes principais e escolhidas as duas primeiras, as quais possuíam 94% das informações, para a definição das amostras. As amostras resultantes da ACP foram utilizadas na classificação supervisionada cujo resultado foi comparado com uma classificação convencional e uma classificação multitemporal convencional. A acurácia das classificações foi realizada por meio do cálculo da Exatidão Global e do Coeficiente Kappa, tendo como base uma máscara da área cafeeira da região. Os resultados mostraram que a técnica de ACP foi efetiva no estabelecimento de classes de iluminação, assim como na escolha das amostras, apesar de estas não terem representado a área efetivamente classificada. Em função disto, as classificações foram mais acuradas, principalmente aquela que considerou todos os pixels de cada imagem classificada individualmente pelo método da ACP, confirmando a importância do aspecto multitemporabilidade .

The main goal of this study was to evaluate the information produced from Landsat/TM5 images using Principal Component Analysis (PCA) and Illumination Factor built from Digital Elevation Model from ASTER images for coffee areas mapping in complex relief. Three Landsat images were used to monitor the crop cycle. The Principal Component Analysis was applied to the Landsat images and the two first components were chosen, responsible for 94% of the initial information, and used as a sample set for the supervised classification of those images. That classification was compared with a conventional supervised classification (sampled from Landsat reflectance images) and multitemporal conventional supervised classification (using the three images). The accuracies of the classifications were calculated by Kappa index of agreement and Global Accuracy, using a coffee mask as reference. The results have shown that PCA was very efficient in illumination class definition as well as in sample choice, despite the samples had not represented the area classified. Due to that, the accuracy has increased, specially the one considering all the pixels classified as coffee in each image using PCA samples, demonstrating the importance of the multitemporal aspect.