Análise orientada a objetos para a classificação de uso e cobertura da terra com imagens de Vant e de nanossatélites

Abstract

O advento de plataformas como os Veículos Aéreos Não Tripulados (VANT), juntamente com o surgimento de novas técnicas fotogramétricas, como o algoritmo Structure From Motion, tem possibilitado a melhora do mapeamento em ambientes urbanos e rurais. As imagens de VANT permitem uma análise detalhada da superfície terrestre para a produção de informações cartográficas, em sua maioria, por meio da interpretação visual e extração manual de informações. Porém, devido à baixa resolução espectral das imagens obtidas pelos VANT mais difundidos no mercado, o uso de técnicas de classificação automática não é uma prática corriqueira. O presente trabalho explora o uso combinado de fotografias obtidas por VANT e de imagens multiespectrais de nanossatélites para a classificação do uso e cobertura da terra de área rural por meio da abordagem GEOBIA. Para tanto, foram realizadas: (i) aquisição e processamento de imagens de VANT e de nanossatélites; (ii) fusionamento por transformação IHS para aumentar a resolução espacial da imagem do Infravermelho Próximo (NIR) dos nanossatélites (iii); segmentação das imagens; (iv) definição de seis conjuntos de dados para a avaliação da contribuição de seus atributos na acurácia da classificação; (v) classificação dos seis conjuntos de dados empregando os classificadores por árvore de decisão (AD) Random Forest (RF) e Boosted C5.0; e (vi) avaliação da acurácia das classificações geradas. O melhor resultado encontrado foi obtido pelo RF, atingindo valores de exatidão global de 0,867 e de índice Kappa de 0,854 na classificação feita a partir do uso de todos os conjuntos de dados nesse algoritmo. Os atributos gerados a partir dos dados de NIR, oriundos das imagens orbitais, não contribuíram para o aumento na exatidão da classificação. Por outro lado, os atributos derivados do Modelo Digital de Superfície (MDS) foram os mais importantes para melhorar a qualidade da classificação do ortofotomosaico. Os resultados mostraram que fotografias obtidas com câmeras de baixo custo acopladas a VANT e que o MDS derivado dessas imagens podem ser usados para gerar mapas precisos de cobertura e uso da terra de áreas rurais, a partir do emprego de classificadores baseados na abordagem GEOBIA e no classificador Random Forest.

The advent of platforms such as Unmanned Aerial Vehicles (UAV), along with the emergence of new photogrammetric techniques, such as the Structure From Motion algorithm, has made it possible to improve mapping of urban and rural areas. UAV images allow a detailed analysis of the Earth’s surface for the production of cartographic information, mostly through visual interpretation and manual digitalization of classes. However, due to the low spectral resolution of images obtained by the most UAV cameras available on the market, the use of automatic classification techniques is not a current methodology. The present work explores the combined use of UAV photographs and multispectral images from nanosatellites for the classification of land use and land cover areas through the GEOBIA approach. For this purpose, we performed: (i) acquisition and processing of UAV and nanosatellite images; (ii) applying the IHS Pan-sharpening technique to enhance the spatial resolution of the Near Infrared (NIR) image of nanosatellites (iii); segmentation of these images; (iv) definition of six data sets and derived attributes for the evaluation of their contributions to the classification accuracy; (v) use of these attributes in the decision tree (DT) classifiers Random Forest (RF) and Boosted C5.0; and (vi) accuracy assessment of the classifications. The best result was found by using the RF, reaching global accuracy values of 0.867 and Kappa index of 0.854 in the classification performed from the use of all data sets in this algorithm. The attributes generated from the NIR data from the orbital images would not contribute to the increase of classification accuracy. On the other hand, the attributes derived from the Digital Surface Model (DSM) were the most important to improve the quality of the orthophoto mosaic classification. The results showed that photographs taken with low-cost cameras coupled with UAV and the DSM derived from these images by photogrammetric techniques can be used to generate accurate maps for the classification of land use and land cover of rural areas, through the application of the GEOBIA approach and the RF classifier.