Análise do potencial de imagem TerraSAR-X para mapeamento temático no sudoeste da Amazônia brasileira Analysis of the potential use from TerraSAR-X images for thematic mapping in SW Brazilian Amazon region

O presente trabalho tem como objetivo analisar o potencial de imagens SAR polarimétricas do sensor TerraSAR-X, no modo StripMap, para mapear o uso e cobertura da terra na região sudoeste da Amazônia brasileira. No procedimento metodológico imagens de amplitude nas polarizações A HH e A VV, A<HH.VV*> derivada da matriz de covariância, bem como da entropia A Entropia derivada da decomposição de alvos por auto-valores fizeram parte, de forma individual ou combinada, do conjunto de dados investigados. Na classificação das imagens foram empregados dois classificadores: um baseado nas funções estatísticas de máxima verossimilhança (MAXVER); e outro, o método contextual (Context). Os resultados temáticos dessas classificações foram avaliados através da matriz de confusão e pelo índice Kappa. De forma sintetizada pode-se afirmar que as componentes A<HH.VV*> e A Entropia, têm significativa contribuição no procedimento classificatório, sobretudo pelo método Context, cujo desempenho alcançou com 78% de exatidão global e índice Kappa de 0,70.<br>The objective of this work was to analyze the potential use of SAR polarimetric images from the TerraSAR-X sensor system, at StripMap mode, to map land use and land cover in SW Brazilian Amazon. Amplitude images at polarizations A HH, A VV, A<HH.VV*>, derived from the co-variance matrix, as well as the entropy A Entropia, derived from the decomposition of targets by eigenvalues, are parts of the datasets investigated individually or in combined form. Two classifiers were used: the first is based on statistical functions of maximum likelihood (MAXVER), and the second is the contextual method (Context). The thematic results from these classifications were evaluated by a confusion matrix and by the Kappa index. Summarizing we can state that the components A<HH.VV*> and A Entropia, gave a significant contribution to the image classification procedure, considering specially the Context method, whose performance reached 78% of Global Accuracy and a Kappa index of 0.70.