A espécie florestal Myracrodruon urundeuva (Fr. All.) figura desde 1992 na lista de espécies da
flora brasileira ameaçadas de extinção e, contudo, manifesta comportamento monodominante em algumas
regiões do Estado de Minas Gerais, sobretudo na região do Médio Rio Doce. Este trabalho teve por objetivo
comparar métodos de classificação supervisionada de imagens Rapideye para mapeamento de fragmentos florestais
monodominados por Myracrodruon urundeuva em Tumiritinga, MG. Foram avaliadas a classificação pelo algoritmo
da Maximaverossimilhança (Maxver) e a classificação por Redes Neurais Artificiais (RNA). Foram testadas
19 combinações envolvendo diferentes bandas, componentes principais e o índice de vegetação da diferença
normalizada para a classificação da imagem Rapideye. O treinamento da rede foi realizado variando-se a taxa
de aprendizado, o número de interações e o número de neurônios na camada interna. A avaliação dos mapas
temáticos produzidos foi realizada através dos índices Kappa e Kappa condicional para a classe de uso do
solo “aroeira” e pela análise das Matrizes de Confusão. O método que apresentou melhor desempenho foi
a classificação de todas as bandas da imagem Rapideye pelo algoritmo Maxver, apresentando coeficientes Kappa
80 e Kappa condicional 90. O mapa temático gerado teve exatidão do usuário igual a 93% e exatidão do produtor
igual a 90%, sendo as maiores confusões do classificador para a classe Aroeira Monodominante acometidas
entre as classes Mata Nativa e Pasto Manejado. Da imagem temática produzida, extraiu-se a informação de
que 22% do Município de Tumiritinga se encontrava sob ocupação da aroeira em monodominância. A análise
do uso e cobertura do solo no município não retrata, na região de estudo, o quadro anunciado de espécie ameaçada
de extinção, no qual M. urundeuva se encontra.
M. urundeuva (Fr. All.) is a tree currently listed as endangered species of Brazilian Flora since
1992. However, it manifests monodominance in some regions of Minas Gerais state, especially in middle
Rio Doce. The objective of this work was to compare supervised methods of classification of Rapideye images
for forest fragments monodominated by Myracrodruon urundeuva mapping, in Tumiritinga, MG. The maximum
likelihood (Maxlike) and the artificial neural networks (ANN) classification were assessed. Nineteen combinations
involving different bands, the principal components and the normalized difference vegetation index (NDVI)
were tested for classification of Rapideye image. The neural network training was conducted by varying the
learning rate, the number of interactions and the number of neurons in the hidden layer. The thematic maps
were evaluated by Kappa and conditional Kappa index for “aroeira” soil use class and by the analysis of
the Confusion Matrix. The best performance was achieved by the Maxever algorithm using all bands of Rapideye image, getting a Kappa index of 80 and conditional Kappa index of 90. The thematic map presented user’s
accuracy equal to 93% and producer’s accuracy equal to 90%. The greatest errors of classification for “aroeira
monominant” class were related to the “native forest” and “managed pasture” classes. The thematic map
produced shows that 22% of the town is under occupation of M. urundeuva in monodominance and this
specie is not endangered in Tumiritinga, Minas Gerais.
