ESTUDO DA EFICIÊNCIA DE CLASSIFICAÇÕES SUPERVISIONADAS APLICADAS EM IMAGEM DE MÉDIA RESOLUÇÃO ESPACIAL

Abstract

A aplicação de técnicas de Sensoriamento Remoto na classificação do uso da terra de um município possibilita melhor gestão e planejamento geográfico. Nessa temática, o objetivo desta pesquisa foi identificar o melhor algoritmo de classificação supervisionada para o mapeamento do uso e cobertura da terra para o município de São José do Cerrito – Santa Catarina. Para tanto, foi utilizada uma imagem orbital do sensor Sentinel-2/MSI. Após o pré-processamento digital da imagem, foram definidas como classes de uso e cobertura da terra: agricultura, área urbana, corpos hídricos e vegetação. Posteriormente, as amostras de treinamento e validação foram geradas para cada classe. Os métodos de classificação supervisionados (Maximum Likelihood Classification – Máxima Verossimilhança - MaxVer) e (Suppor Vector Machine Classification - Máquinas de Vetor de Suporte - SVM), (Neural Net Classification – Redes Neurais - RNA) e (Minimum Distance Classification – Mínima distância - MND) foram testados. Por fim, calcularam-se as estatísticas de acurácia da classificação para cada método, tais como: índice Kappa, exatidão global, coeficiente Tau, erros de omissão e comissão e exatidão ao usuário e ao produtor. De maneira geral, todos os métodos propiciaram elevados valores do índice Kappa (MaxVer (0,9760), SVM (0,9616), RNA (0,9880) e MND (0,9244)). As estatísticas para o classificador testado revelaram que o método com o melhor desempenho foi o RNA, seguido do MaxVer, SVM e MND. De maneira geral, todas as técnicas de classificação supervisionada testadas foram efetivas no mapeamento de uso da terra do município de São José do Cerrito – SC, mas o método mais eficiente foi o RNA, com índice Kappa de 0,9880 e acurácia global de 99,33%.