Atributos polarimétricos de imagem radar na inferência de parâmetros morfológicos de macrófitas

O propósito deste trabalho é ajustar um modelo de regressão múltipla em função de atributos de imagens de radar polarimétrico, para estimativa da variável morfológica volume da haste de macrófitas encontradas na planície de inundação da Amazônia, no Lago Grande de Monte Alegre (Pará - Brasil). Com esta estimativa, pretende-se avaliar o potencial dos dados polarimétricos do sensor ALOS/PALSAR, destacando a importância da informação de fase das imagens de radar. Para este estudo, foram coletados dados de campo em época próxima à aquisição do dado de radar. Variáveis morfológicas, como altura e diâmetro da haste emergente, de três espécies de macrófitas foram medidas em campo e usadas para derivar o volume da haste, o qual foi modelado usando atributos da imagem de radar. Dois atributos da decomposição de Freeman-Durden, dois de Touzi e um de Pope apresentaram melhor desempenho na modelagem. Apesar do modelo não ter obtido um elevado coeficiente de determinação (44%), ele apresentou boa capacidade preditiva, já que todos os elementos de validação caíram dentro do intervalo de predição de 95% de confiança. Dentre as cinco variáveis independentes do modelo, quatro foram geradas a partir da informação de fase das imagens, o que reforça a importância dessa informação.This work aims at modelling the morphological variable steam-volume of the macrophyte species as a function of the attributes derived from the ALOS/PALSAR polarimetric data using multiple regression technique. The study was carried out at Monte Alegre Lake, in the Amazon floodplain area, Pará State, Brazil. The modeled variable steam-volume was evaluated and the contribution of the phase information from the radar data was highlighted. The fieldwork was performed almost simultaneously to the radar acquisition. Macrophyte morphological variables were measured in the field and used to derive the stem-volume model regarding the attributes generated from the radar data. Although the adjusted coefficient of determination was not high ( 44%), the presented predictive ability and all validation elements were expected with 95% of confidence. Among the five independent variables of the model, four were generated from the phase information, which brings about this reliable information.Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES