Redes neurais artificiais aplicadas na identificação automática de áreas cafeeiras em imagens de satélite

AUTOR(ES)
DATA DE PUBLICAÇÃO

2011

RESUMO

A cafeicultura é atividade de fundamental importância na região Sul do estado de Minas Gerais e técnicas de estimativa da área plantada, visando previsões de safra confiáveis, estão sendo intensamente pesquisadas. A cultura cafeeira tem o padrão espectral muito próximo ao da mata, dificultando a classificação automática das classes de uso da terra. A aplicação de Redes Neurais Artificiais (RNA) na classificação de dados de Sensoriamento Remoto tem se mostrado uma abordagem promissora na discriminação de classes de maior complexidade. Neste sentido, o presente trabalho de dissertação apresenta uma aplicação de Redes Neurais Artificiais para a classificação automática de dados de sensoriamento remoto, que fosse adequada para a identificação e mapeamento do uso e ocupação das terras, com ênfase na identificação de áreas cafeeiras nas regiões de Guaxupé, Machado e Três Pontas, Sul de Minas Gerais. O software utilizado para pré-processamento e validação das classificações foi o SPRING, e para o processamento e classificação das imagens foi o Idrisi. Para as três regiões cafeeiras estudadas, a metodologia para desenvolvimento da aplicação da RNA foi dividida em três etapas principais: na primeira foi realizado o pré-processamento dos dados, em que foram criadas máscaras em cada uma das três bandas das imagens; na segunda etapa a RNA foi treinada a partir de amostras representativas das classes de interesse (café, mata, água, outros usos e área urbana) e aplicada sobre a imagem, verificando assim seu potencial em discriminar as classes de saída estabelecidas; a terceira etapa consistiu na análise e validação dos resultados, realizando um cruzamento entre o mapa classificado visualmente e o mapa classificado pela Rede Neural Artificial. Utilizou-se o índice Kappa para avaliar o desempenho da RNA, uma vez que o uso desse coeficiente é satisfatório na avaliação da precisão de uma classificação temática. Para a região de Guaxupé, o índice Kappa do mapa classificado pela RNA ficou em 71,85% em relação ao mapa de referência, que é um índice considerado bom. Para a região de Machado, os resultados da classificação foram índices Kappa de 55.84% para o relevo mais movimentado e 60.29% para o relevo menos movimentado, superiores aos resultados encontrados na literatura. E para a região de Três Pontas a RNA obteve um índice Kappa de 67,61%, que também é considerado um índice bom. A metodologia de Redes Neurais Artificiais apresentou um bom resultado, porém, sugere-se que utilize outros dados de entrada para a RNA, uma vez que somente as bandas espectrais não são suficientes para uma classificação otimizada.

ASSUNTO(S)

computação teses.

ACESSO AO ARTIGO

Documentos Relacionados