A carregar...
Publicação
Tratamento de Dados Open source para classificação de imagens de satélite
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 559.25 KB | Adobe PDF |
Orientador(es)
Resumo(s)
A elaboração, com elevada precisão, de mapas de uso e ocupação do solo, através de imagens de satélite e
métodos de classificação supervisionados depende, em grande medida, das amostras. Neste sentido, a disponibilidade de informação aberta e grátis oficial é particularmente relevante, uma vez que possibilita um conhecimento mais aprofundado sobre a paisagem do local em estudo e, também, a aplicação de classificações supervisionadas. Todavia, em ambientes biofísicos de elevada heterogeneidade, a ampla gama de assinaturas espectrais e a pequena variação destas entre as classes de uso e ocupação do solo poderá influenciar, de forma menos positiva, a produção destes mapas (Viana et al., 2019).
Além desta questão existem, também, problemas relacionados com a informação de base utilizada para gerar as amostras de treino. No presente estudo, a carta de uso e ocupação do solo portuguesa (COS) de 2015 consistiu na informação de base para elaboração das amostras de treino. Desta forma, considerando que na COS as classes são representadas por polígonos que incluem elementos que, na verdade, não correspondem à classe propriamente dita (i.e. estradas de terra batida em torno de campos de cultivo), torna-se particularmente importante a aplicação de metodologias que permitam, a priori, analisar as amostras e, se necessário, proceder ao tratamento destas. Deste modo, é explorada a técnica de classificação por grupos (k-means) em ambiente R com recurso ao tclust package, no sentido de analisar e selecionar as amostras mais representativas de cada classe a classificar (Cuesta-Albertos et al.,1997; Fritz, García-Escudero & Mayo-
Iscar, 2012). O presente estudo investiga o potencial desta técnica nas classificações supervisionadas de imagens de satélite numa região predominantemente rural caracterizada por uma mistura de ambientes agro-silvo-pastoris. Assim, realizou-se duas classificações para 2015: i) com as amostras originais ii) com as amostras selecionadas. Por fim, as experiências realizadas resultaram numa melhoria da precisão da classificação, (8%) demonstrando, assim, que a metodologia aplicada evidenciou um impacto positivo nos resultados.
Descrição
Palavras-chave
Uso e ocupação do solo Amostras de treino Clusters Landsat Random Forest
Contexto Educativo
Citação
Girão, I., Viana, C. M., & Rocha, J. (2020). Tratamento de Dados Open source para Classificação de Imagens de Satélite, In: Paula Cristina Remoaldo, Maria José Caldeira, Virgínia Teles, Elaine Scalabrini & José Alberto Rio Fernandes (Eds.), Livro de Atas XII Congresso da Geografia Portuguesa, Geografias de Transição para a Sustentabilidade, (pp. 479-484), Universidade do Minho. ISBN 978-989-98857.