Análise do desempenho de classificadores para o mapeamento de cobertura do solo em regiões de floresta tropical: estudo de caso do município de Tefé - AM

Abstract

A Amazônia é a maior floresta tropical do mundo e desempenha papel fundamental na regulação climática do continente sul-americano. A expansão de atividades antrópicas ocorridas na Amazônia nos últimos 70 anos provocou mudanças nos padrões de cobertura do solo na região que levaram ao surgimento de diversas políticas de conservação em nível nacional e internacional. Uma das principais técnicas para o monitoramento e acompanhamento do desenvolvimento dessas políticas são as técnicas fornecidas pelo sensoriamento remoto. Esse trabalho tem por objetivo avaliar o desempenho de três classificadores de imagens digitais (Mínima Distância Euclidiana, Máxima Verrosimilhança e Extration and Classification of Homogeneous Objects) na região central da Amazônia brasileira. Foram utilizadas duas abordagens para realizar as classificações, na primeira os classificadores foram aplicados sobre uma imagem do satélite Landsat - 8 que teve seus números digitais convertidos para valores de refletância e na segunda abordagem os classificadores foram aplicados sobre imagens fração resultantes da aplicação do modelo linear de mistura espectral na imagem do Landsat - 8. Para avaliar os desempenho dos classificadores e das abordagens propostas aplicou-se uma matriz de confusão e foi calculado o índice Kappa para cada um dos resultados obtidos. Os resultados mostraram que o Máxima verossimilhança apresentou o melhor desempenho nas duas abordagem seguido pelo ECHO com resultados próximos. O Mínima Distância teve o pior desempenho nas duas abordagem. Os resultados também indicaram que a redução da dimensionalidade dos dados provocadas pelo modelo linear de mistura espectral foi capaz de melhorar o desempenho apenas do ECHO.

The Amazon is the largest tropical forest in the world and plays a key role in the climate regulation in South America.In the last 70 years, the expansion of anthropogenic activities in this biome has led to changes in land´s cover patterns in that region which have led to the emergence of several conservation policies in national and international levels. One of the main techniques of monitoring the development of these policies is the technique provided by remote sensing. This theses aims to evaluate the performance of three digital image classifiers (Minimum Distance, Maximum Verification and Extraction and Classification of Homogeneous Objects) in the Brazilian’s Amazon central region. Two approaches were used to perform the classifications. To the first one the classifiers were applied on the satellite Landsat – 8’s image that had its digital numbers converted to values of reflectance. To the second approach the classifiers were applied on fraction images resulting from the application of the linear model of spectral mixing in the Landsat-8 image. To evaluate the performance of the proposed classifiers and approaches a confusion matrix the Kappa index was adopted to calculate each of the obtained results. The results showed that the maximum probability has presented the best performance in the two approaches followed by ECHO with close results. The Minimum Distance had the worst performance in both approaches. The results also indicated that the reduction of data dimensionality caused by the linear spectral mixing model was able to improve the performance of only ECHO.