Tesis
Avaliação de imagens polarimétricas do sensor ALOS-2/PALSAR-2 e de técnicas de mineração de dados na classificação de uso e cobertura de terras do Cerrado
Fecha
2019-10-10Registro en:
CAMARGO, Flávio Fortes. Avaliação de imagens polarimétricas do sensor ALOS-2/PALSAR-2 e de técnicas de mineração de dados na classificação de uso e cobertura de terras do Cerrado. 2018. 195 f., il. Tese (Doutorado em Geociências Aplicadas)—Universidade de Brasília, Brasília, 2018.
Autor
Camargo, Flávio Fortes
Institución
Resumen
O Cerrado ocupa uma área de aproximadamente 2.000.000 km² (23% do território brasileiro), concentrando-se principalmente no Planalto Central. A sua composição fitofisionômica abrange formações florestais, savânicas e campestres, as quais vêm sofrendo mudanças severas com a introdução da agricultura extensiva e mecanizada de grãos para exportação. Tecnologias de sensoriamento remoto têm sido empregadas para monitoramento da cobertura vegetal do Cerrado, utilizando principalmente imagens ópticas de sensores orbitais (casos de iniciativas como TerraClass e MapBiomas). Apesar dos avanços metodológicos e tecnológicos, muito ainda se tem a explorar dos sensores de radar de abertura sintética (utiliza-se o acrônimo em inglês SAR - synthetic aperture radar) orbitais para fins de mapeamento do uso e cobertura do Cerrado e discriminação de suas fitofisionomias. Nesta tese, foram realizados dois experimentos de classificação de imagens SAR do sensor ALOS-2/PALSAR-2 em duas áreas de Cerrado. O primeiro experimento (artigo 1) foi realizado em área de estudo de 356 km² localizada na porção norte do Distrito Federal (DF). A abordagem metodológica combinou segmentação multiresolução, atributos de segmentos e procedimentos interativos e iterativos de aprendizado de máquina. Foram gerados 397 atributos com base nas imagens em amplitude obtidas nas polarizações HH e HV. Esses atributos foram processados no software WEKA 3.8 com o emprego dos algoritmos de classificação J48 (árvore de decisão – AD J48), Random Forest (Floresta Aleatória - RF) e Rede Neural Artificial Multilayer Perceptron (Perceptron Multicamada - MLP). Todos os classificadores do primeiro experimento apresentaram índices de concordância Kappa superiores a 0,70, com destaque para o desempenho da Rede Neural Artificial, com índice Kappa de 0,87. O algoritmo RF apresentou desempenho inferior aos resultados verificados na literatura, o que pode ser atribuído a limitações no tamanho e distribuição espacial da amostragem realizada. No segundo experimento (artigo 2), um fluxo mais abrangente de trabalho foi proposto para a classificação de imagens SAR polarimétricas obtidas também pelo satélite ALOS-2/PALSAR-2, visando ao mapeamento de uso e cobertura de terras. A área de estudo, com 3.660 km², localiza-se no centro-leste do estado de Goiás e no norte e nordeste do DF. A abordagem metodológica combinou atributos polarimétricos, segmentação multiresolução, atributos de segmentos e procedimentos interativos e iterativos de aprendizado de máquina. Também foi utilizado, para fins de comparação, um classificador pixel-a-pixel polarimétrico baseado em medidas de distâncias obtidas da distribuição Wishart (Polarimétrico Wishart – PW). Foram gerados 125 atributos utilizando imagens multipolarimétricas e relacionados com componentes de decomposição de alvos (teoremas de van Zyl, Freeman-Durden, Yamaguchi e Cloude-Pottier), parâmetros polarimétricos incoerentes (índices de biomassa e razões de polarização) e imagens polarizadas em amplitude (HH, HV, VH e VV). Esses atributos foram processados no software WEKA 3.8 com o emprego dos algoritmos de classificação Naive Bayes (NB), AD J48, RF, MLP e Support Vector Machine (Máquina de Suporte Vetorial - SVM). Os classificadores RF, MLP e SVM apresentaram os melhores desempenhos (índices Kappa entre 0,66 e 0,68), tendo sido considerados estatisticamente iguais em ambos os cenários propostos (legendas com nove e cinco classes). Os classificadores NB e AD J48 também apresentaram resultados estatisticamente iguais em ambos os cenários. O AD J48 foi mais adequado para identificação de áreas urbanas e cobertura vegetal natural. O classificador PW apresentou o menor desempenho entre todos os classificadores, porém, com potencial para boa identificação de cobertura vegetal arbórea com os dados SAR na banda L. Os fluxos de trabalho propostos em ambos os experimentos foram ágeis e replicáveis, inclusive com potencial para imagens orbitais provenientes de sensores de radar que operam em comprimentos de onda diferentes daquele do satélite ALOS-2/PALSAR-2.