Séries temporais de NDVI do sensor SPOT Vegetation e algoritmo SAM aplicados ao mapeamento de cana‑de‑açúcar

O objetivo deste trabalho foi avaliar o mapeamento de área de cana‑de‑açúcar por meio de série temporal, de seis anos de dados do índice de vegetação por diferença normalizada (NDVI), oriundos do sensor Vegetation, a bordo do satélite "système pour l'observation de la Terre" (SPOT). Três classes de cobertura do solo (cana‑de‑açúcar, pasto e floresta), do Estado de São Paulo, foram selecionadas como assinaturas espectro‑temporais de referência, que serviram como membros extremos ("endmembers") para classificação com o algoritmo "spectral angle mapper" (SAM). A partir desta classificação, o mapeamento da área de cana‑de‑açúcar foi realizado com uso de limiares na imagem-regra do SAM, gerados a partir dos valores dos espectros de referência. Os resultados mostram que o algoritmo SAM pode ser aplicado a séries de dados multitemporais de resolução moderada, o que permite eficiente mapeamento de alvo agrícola em escala mesorregional. Dados oficiais de áreas de cana‑de‑açúcar, para as microrregiões paulistas, apresentam boa correlação (r² = 0,8) com os dados obtidos pelo método avaliado. A aplicação do algoritmo SAM mostrou ser útil em análises temporais. As séries temporais de NDVI do sensor SPOT Vegetation podem ser utilizadas para mapeamento da área de cana‑de‑açúcar em baixa resolução. The objective of this work was to assess sugarcane area mapping using six‑year‑old time series of normalized difference vegetation index (NDVI) data from the Vegetation sensor on board of the "système pour l'observation de la Terre" (SPOT) satellite. Three land cover classes (sugarcane, pasture, and forest), from the state of São Paulo, Brazil, were selected as reference spectral‑temporal signatures, which were used as endmembers for spectral classification with the algorithm spectral angle mapper (SAM). Based on this classification, sugarcane areas were mapped by applying thresholds on the sugarcane rule image from the SAM, generated from values from the reference spectra. Results show that the SAM algorithm can be applied to time series of moderate resolution multi‑temporal data, allowing for the efficient mapping of an agricultural crop in a mesoregional scale. Official data from sugarcane areas for the microregions of the state of São Paulo are well correlated (r² = 0.8) with the data obtained with the evaluated method. SAM is a useful algorithm for time series analysis. NDVI time series from the SPOT Vegetation sensor can be used for low-resolution sugarcane area mapping.