Análise de Componentes Principais no Sensoriamento Remoto
CENTRO DE CIÊNCIAS AGRÁRIAS
DEPARTAMENTO DE ENGENHARIA FLORESTAL
Análise de Componentes Principais
Terceiro relatório de aula prática elaborado de acordo com as exigências da disciplina ENF 610 –
Sensoriamento Remoto. 23-092010
Felipe Pinho de Oliveira - 45161
VIÇOSA
SETEMBRO 2010
INTRODUÇÃO
As análises multivariadas permitem estudar relações entre diversas variáveis dependentes simultaneamente. O modelo matemático no qual os procedimentos estatísticos multivariados são baseados é a distribuição multivariada.
A escolha do método de análise multivariada mais adequado é determinado pela precisão desejada, pela facilidade da análise, pela forma como os dados foram obtidos e pela natureza dos objetivos a serem alcançados.
Em estudos de sensoriamento remoto é muito utilizado como critério de redução de variáveis um exame de estrutura de correlação. Para tanto é realizado uma Análise de
Componentes Principais (PCA) na matriz de correlação, indicando quais bandas de composição de uma imagem (e seus respectivos valores numéricos) são fortemente associadas entre si, e quais bandas mantêm a maior parte da variância desejada.
As bandas de composição de uma imagem normalmente correlacionam visualmente e numericamente entre si. Esta correlação ocorre em detrimento de janelas atmosféricas e principalmente em detrimento do comportamento espectral peculiar de cada objeto.
Operacionalizar bandas individuais traz informações redundantes, sendo que as PCA’s constituem uma técnica eficiente em correlacionar as informações das bandas possibilitando descartar algumas informações repetidas comprimindo as informações relevantes.
OBJETIVO
Este trabalho teve por objetivo aplicar a técnica multivariada de análise de componentes principais em seis bandas de composição da imagem LandSat TM, quais sejam,
TM-1 0,45 a 0,52 μm, TM-2 0,52 a 0,62 μm, TM-3 0,63 a 0,69 μm, TM-4 0,76 a 0,90 μm,
TM-5 1,55 a 1,75 μm e TM-6