Aplicação de GEOBIA para a classificação de cobertura e uso da terra em imagens de VANT

Abstract

Este estudo tem como objetivo a aplicação de técnicas de Análise de Imagens Baseada em Objetos Geográficos (GEOBIA), para a classificação da cobertura e uso da terra em um ortofotomosaico de altíssima resolução espacial (10 cm), composto por imagens obtidas por câmara fotográfica do visível (RGB), acoplada a um Veículo Aéreo Não Tripulado (VANT). O ortofotomosaico tem uma área retangular de 150 ha, localizada na região sudeste da Estação Experimental Agronômica da Universidade Federal do Rio Grande do Sul, situada no município de Eldorado do Sul - RS. Nesta ortofotomosaico foram delimitadas visualmente 8 classes, conforme o sistema de classificação do IBGE: Áreas urbanizadas; Culturas temporárias - Graníferas e cerealíferas; Culturas permanentes - Cultivos diversificados; Pastagens – Pecuária de animais de grande porte; Área florestal; Área campestre - Pecuária de animais de grande porte; Águas continentais - Captação para abastecimento; e Áreas descobertas. Posteriormente, o orfotomosaico foi segmentado por um método multiresolução, no programa eCognition, baseado no crescimento de regiões por agregação de pixels, com o uso de parâmetros como o fator de escala (150), forma (0,1) cor (0,9), suavidade (0,5) e compactação (0,5). A seguir, foram analisadas as características espaciais e espectrais dos objetos, a fim de elencar atributos que auxiliassem na associação de cada um destes a uma determinada classe de cobertura e uso da terra. Na coleta de amostras, foram definidas 21 classes na área de estudo, onde foram treinadas aproximadamente 20 amostras por classe, para atender o máximo de variabilidade interna de cada uma destas. A técnica de mineração de dados foi aplicada, através do uso de algoritmo de aprendizagem (J48), para explorar uma grande quantidade de dados à procura de padrões consistentes, auxiliando assim na descoberta de conhecimento. Foi empregada a mineração de dados para gerar uma árvore de decisão no programa Weka, capaz de representar de maneira mais assertiva a cobertura e uso da terra, onde foi possível modelar as classes, utilizando os limiares da árvore de decisão gerada. Para avaliar a precisão de classificação, foi comparada a imagem classificada pela árvore de decisão com a interpretada visualmente, que foi considerada como a verdade terrestre. Foi avaliada também a precisão da imagem reclassificada com 7 classes, agrupando todas as áreas da classe Pecuária de animais de grande porte. Os valores obtidos de índice Kappa foram 0,52 (bom) para a imagem de 8 classes e de 0,65 (muito bom) para a imagem de 7 classes, enquanto que a precisão global de classificação foi de 0,64 e 0,82, respectivamente.