Classificação da cobertura vegetal a partir dos dados brutos ALS empregando métodos estatísticos de reconhecimento de padrões

Abstract

Resumo: O setor florestal emprega informações referenciadas a um sistema geodésico para diferentes finalidades, visando orientar as suas operações de campo que são norteadas principalmente pelo código florestal brasileiro. A disponibilidade de bases cartográficas tridimensionais atualizadas é um fator chave para o sucesso das atividades florestais. Neste cenário, o laser scanner embarcado em aeronaves tem sido empregado para a derivação de produtos relacionados a morfologia do terreno mapeado, citando com exemplos as curvas de nível e o modelo digital do terreno (MDT).Havendo a necessidade de informações relativas à cobertura do solo, estas são geradas através de imagens digitais obtidas por sensores embarcados em plataformas aéreas ou espaciais. O objetivo desta pesquisa foi o desenvolvimento de metodologias que possibilitem a classificação da cobertura do solo com base nas informações pontuais oriundas da varredura laser e funções de reconhecimento de padrões da estatística multivariada. Foram realizados experimentos que classificaram os dados laser referentes a uma área rural, localizada nas proximidades da cidade de União da Vitória no estado do Paraná. Como cofatores de classificação foram selecionados a altura da cobertura vegetal, densidade de pontos, média e desvio padrão da altitude ortométrica e da intensidade de retorno do pulso laser. Para a obtenção do cofator relativo a altura das formações vegetais desenvolveu-se uma metodologia automatizada baseada na filtragem matemática dos pontos laser necessários a interpolação da superfície do terreno e obtenção das alturas médias destas formações. Para a classificação automática das classes relativas a cobertura do solo empregaram-se a Função Discriminante Linear de Fisher, a Função Discriminante Quadrática e a Regressão Logística Politômica com Camada Oculta. A exatidão do processo foi verificada através da comparação dos dados obtidos via as funções de classificação e os dados obtidos através da fotointerpretação manual das imagens aéreas do local. O melhor desempenho foi obtido através do emprego dos seis cofatores associados à Regressão Logística com Camada Oculta. Nesta configuração, verificou-se um índice de acerto médio de 75,9% na separação das classes temáticas.

Abstract: The forestry sector employs information referenced to a geodetic system for different purposes, in order to guide its field operations that are driven primarily by the Brazilian Forest Law. The availability of updated three-dimensional cartographic databases is a key factor for the success of forest activities. In this scenario, the laser scanner on board aircraft has been used for the derivation of products related to morphology of mapped terrain such as the contour lines and digital terrain model (DTM). If there is a need for information on land cover, these are generated from digital images obtained by sensors onboard airborne platforms or space. The purpose of this research was to develop methods that allow the classification of land cover based on accurate information coming from the laser scanning and functions of recognition of multivariate statistics. Experiments were carried out to classify the laser data relating to a rural area located near the city of Uniao da Vitoria, in the state of Parana. Vegetation height, density of points, average and standard deviation of the orthometric height and intensity of the return laser pulse were selected as cofactors of classification. To obtain the cofactor on the vegetation height, an automated methodology based on mathematical filtering of laser spots needed to interpolate the surface of the land and obtain the average heights of these formations was developed. For the automatic classification of classes for soil cover, the Fisher’s Linear Discriminant Function, Quadratic Discriminant Function and Polytomous Logistic Regression with Hidden Layer were employed. The accuracy of the process was verified by comparing the data obtained by the ranking functions and data obtained through manual photo interpretation of aerial imagery of the site. The best performance was obtained through the use of six cofactors associated with Logistic Regression Hidden Layer. In this configuration, there was an average hit rate of 75.9% in the separation of the thematic classes.