Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático

Autor(es)

Danilo Francisco Trovo Garofalo ; Cassiano Gustavo Messias ; Veraldo Liesenberg ; Édson Luis Bolfe ; Marcos César Ferreira

• Tipo de documento: Artigo Científico
• Fonte: Pesquisa Agropecuária Brasileira; v. 50, n. 7, p. 593-604, Jul. 2015.

Resumo

Resumo: O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K-NN para a classificação orientada a objeto em imagens Landsat-8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba-Jaguari, MG. A etapa de pré-processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram-se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram-se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K-NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K-NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial. (AU)

• Processo FAPESP: 13/22185-2 - Influência da estrutura espacial dos geossistemas na regionalização de parâmetros de qualidade da água na alta bacia do rio piracicaba-jaguari (mg)
• Beneficiário: Danilo Francisco Trovo Garofalo
• Linha de fomento: Bolsas no Brasil - Doutorado
• Processo FAPESP: 13/05081-9 - Caracterização de estádios sucessionais em distintos ambientes de floresta tropical sob a recente perspectiva REDD+: um experimento com múltiplos dados de sensoriamento remoto
• Beneficiário: Veraldo Liesenberg
• Linha de fomento: Bolsas no Brasil - Pós-Doutorado