Classification and shadowing effects in vineyards, derived from aster images

O desenvolvimento de novas tecnologias proporciona meios para novas pesquisas e, no caso dos dados gerados por sensores remotos, seu entendimento e utilização constituem uma ampla fonte para a geração de novos conhecimentos científicos. Imagens de média resolução espacial, a exemplo o sensor ASTER, apresentam fontes de informação de grande valor. O presente trabalho tem o propósito de investigar as potencialidades dessas imagens na discriminação espectral de vinhedos e, adicionalmente, verificar o comportamento espectral de variedades de viníferas frente à influência de efeitos de sombreamento. Para esta análise, a Vinícola Veramonte, no Valle de Casablanca-Chile, foi escolhida por ser adequada em termos de topografia, repartição de parcelas, informações de campo e disponibilidade de imagens. Como imagens ASTER são coletadas com resoluções de 15m e 30m, operações de reamostragem são necessárias para uma maior exploração dos dados. As bandas do subsistema SWIR, com pixels de 30 m, foram reamostradas pelo método do Vizinho mais Próximo para 15 m e processadas junto com as três bandas do subsistema VNIR, possibilitando realizar a investigação espectral utilizando-se 9 bandas. Comparações estatísticas (teste t) foram feitas em imagens originais e reamostradas, constatando-se que ambas não diferem significativamente. A influência da sombra entre fileiras de vinhas na resposta espectral também foi investigada. A proporção de sombra entre as fileiras é variável, em função da orientação das filas, da distância zenital e do azimute do Sol na hora da aquisição da imagem. Foram estudadas as variedades Chardonnay, Merlot e Sauvignon Blanc em três imagens de diferentes datas. Determinados os diferentes grupos, esses foram submetidos a análises de similaridade, usando-se ANOVA, seguidos do teste de Tukey. Comparou-se também a separabilidade de diferentes variedades, que apresentavam a mesma quantidade de sombra. As imagens foram classificadas através do classificador de Mínima Distância para verificar a eficácia desse classificador em detectar a variação de sombra. A validação final foi realizada através da comparação da imagem classificada com as informações contidas no mapa de localização das cepas. Como resultados, foi confirmada a validade da reamostragem de pixels pelo método do vizinho mais próximo, sem alteração do valor digital, e constatou-se a influência do substrato (solo iluminado ou sombreado) na caracterização espectral das variedades viníferas, e a sua influência na classificação das imagens ASTER.Technological developments lead to new sources of research, and in the case of data from remote sensors, their understanding and use allow the generation of new scientific knowledge. For images of medium spatial resolution, the ASTER sensor is an important information source. This study aims to investigate the potential of ASTER images in the discrimination of vineyards, and to verify the spectral behavior of the vinifera varieties in face of the influence of shadow effects. For this analysis, the property of Viña Veramonte, at Valle Casablanca, Chile, was chosen, since it proved to be adequate for its topography, plot partition, field data, and images availability. Since ASTER images are acquired with spatial resolutions of 15m and 30 m, resampling procedures are necessary to the full use of data from the nine spectral bands of VNIR and SWIR; however, such practices are frequently considered as sources of false information, and this issue was investigated first. The six SWIR bands, with 30m pixels, were resampled to 15m using the Nearest Neighbor method, allowing to perform a spectral investigation with nine bands. Statistical comparisons using the t test were applied both to the original and resampled images, being shown that the two images don’t differ significantly; this allowed to proceed the study using resampled images with nine spectral bands. The influence of shadow between rows of vines was then investigated. The percentage of shadow between rows is variable, being a function of row orientation, of Sun’s zenith distance and azimuth, and of the time of image acquisition. Using maps provided by the vineyard managers, informing vine varieties and their places, it was possible to derive the spectral information and to identify the vine parcels in images, which were separated by groups according to their shadow percentages. The grape cultivars Chardonnay, Sauvignon Blanc and Merlot were studied in images of three dates. After defining the three groups, they were analyzed through the ANOVA and Tukey Test methods. A comparison was also made for those varieties which had the same proportion of shadow. All images were classified through the Minimum Distance algorithm, to verify the performance of this classification technique in detecting the shadow change. The final validation was made by comparing the classified image with information from the vineyard map. As results, the validity of the pixel resampling by the Nearest Neighbor method was demonstrated, as the influence of the inter-rows shadow in the classification of ASTER images