Comparação entre abordagens de classificação por pixel e baseada em objeto para o monitoramento de recursos hídricos

Abstract

Considerando o cenário durante a crise hídrica de 2014 e a situação crítica dos reservatórios do sistema Cantareira no estado de São Paulo, este estudo consistiu no monitoramento de mudanças na cobertura da terra na área do reservatório Jaguari-Jacareí a partir de imagens multiespectrais e análise da qualidade temática da informação produzida, utilizando diferentes abordagens de classificação. Na extração dos tipos de cobertura da terra foram utilizadas imagens multiespectrais RapidEye tomadas antes e durante a crise hídrica (2013 e 2014, respectivamente) e avaliadas duas abordagens de classificação supervisionadas: por pixel, baseada no método não paramétrico Support Vector Machine (pixel-SVM) e orientada a objeto por meio de árvore de decisão (OBIA-AD). Na análise da qualidade das classificações foram consideradas as concordâncias e discrepâncias expressas na matriz de confusão de cada classificação obtida, enquanto que a detecção das mudanças nas margens do reservatório foi realizada por meio da intersecção dos mapas temáticos do corpo hídrico em 2013 e 2014, produzidos individualmente pelos classificadores pixel-SVM e OBIA-AD.No geral, ambos os métodos de classificação produziram informação acurada e adequada para o mapeamento dos tipos de cobertura da terra do entorno do reservatório Jaguari-Jacareí, porém a abordagem baseada em aprendizado de máquina (pixel-SVM) resultou em indicadores de acurácia superiores à classificação OBIA, em 2013 e 2014. A análise das mudanças, que indicou os tipos de cobertura que ocuparam as margens do reservatório com a redução da superfície do corpo d'água, mostrou que o classificador pixel-SVM foi mais consistente na atribuição de classes, uma vez que OBIA-AD mapeou parte dessa área como objetos impermeáveis. Em relação à detecção do corpo d'água, ambas as abordagens resultaram em áreas similares em 2013 (35,37 km2 por OBIA-AD contra 36,24 km2 por pixel­-SVM) e 2014 (17,51 km2 por OBIA-AD e 17,46 km2 por pixel-SVM), indicando que teve sua superfície reduzida em quase 50% com a crise hídrica.