Identificação da mudança de uso da terra usando técnicas de agrupamento de séries temporais de imagens de satélite

A disponibilidade de dados orbitais, aliada à necessidade crescente de monitoramento de grandes extensões e de preservação de regiões ambientalmente sensíveis, gera uma oportunidade para o desenvolvimento/adaptação de métodos computacionais. A fim de gerar informações de avaliação temporal e espacial que possam constituir importante ferramenta de planejamento e de orientação à tomada de decisão para o manejo e conservação destas áreas, o objetivo deste trabalho é propor uma abordagem baseada em métodos de agrupamento de séries de imagens de satélite para auxiliar na análise espaço-temporal da mudança do uso da terra, identificando de forma automática, com alta probabilidade de serem áreas inundáveis, floresta, culturas agrícolas e pastagem em escala regional. Séries temporais de imagens do sensor MODIS com valores dos índices de vegetação NDVI e EVI, do período de 2008/2009 a 2013/2014, foram agrupadas por meio do algoritmo K-means. Para uma avaliação da qualidade dos agrupamentos obtidos foi utilizado o coeficiente de Silhueta. Séries temporais de precipitação do satélite TRMM foram utilizadas a fim de correlacionar com os demais resultados obtidos para avaliar a pré-classificação gerada pelo método de agrupamento em anos secos, chuvosos e com distribuição de chuva diferente da normalidade. A abordagem proposta pode auxiliar no monitoramento de áreas ambientalmente sensíveis, tendo o EVI apresentado melhor desempenho em áreas de densa vegetação e concentração de água.The wide availability of orbital data, combined with the growing need for monitoring large areas as well as the preservation of environmentally sensitive areas, generates an opportunity for the development/adaptation of computational methods. In order to generate information of temporal and spatial assessment that may be na important tool for planning and policy for decision making to the management and conservation of these areas, the goal of this work is to propose an approach based on cluster analysis of satellite image time series in order to aid in analysis of spatio-temporal change of land use, automatically identifying wetlands, forest, agricultural crops and pasture on a regional scale. Time series of MODIS images with values of NDVI and EVI vegetation indices, the period from 2008/2009 to 2013/2014 were grouped through the k-means algorithm. Silhouette coefficient was employed to verify the quality of generated clusters. Temporal data from the TRMM satellite rainfall series were used to correlate with the other results obtained from the pre-classification generated by the clustering method in dry and wet years with different rainfall distribution normality. The proposed approach can aid at applying to the monitoring of environmentally sensitive areas, and the EVI series showed to be better than NDVI ones when applied in areas of dense vegetation and water concentration