Avaliação multitemporal de alteração da cobertura vegetal equatoriana por meio de imagens landsat e redes neurais artificiais

Abstract

Resumo: A classificação e detecção de mudanças da cobertura vegetal em grandes áreas pode ser realizada mediante o uso das tecnologias associadas ao Sensoriamento Remoto. Imagens de satélite de média e alta resolução espacial e espectral contrastadas com informação coletada em campo, constituem ferramentas indispensáveis quando o objetivo de projetos e pesquisas é a discriminação entre distintos tipos de cobertura vegetal e suas variações temporais. As tarefas antes mencionadas de forma geral envolvem grandes investimentos em recursos humanos e econômicos, os resultados nem sempre são satisfatórios com a aplicação de algoritmos e técnicas orientadas à automatização do processo de classificação das distintas feições contidas na imagem, e em geral é requerida uma etapa de interpretação visual. As técnicas de Inteligência Artificial (IA), no caso específico das Redes Neurais Artificiais (RNAs) mostram ser um mecanismo adequado para realizar a classificação automática de imagens de satélite quando o objetivo é identificar mudanças na cobertura vegetal, sendo que o desempenho da técnica depende fundamentalmente do conjunto de dados de treinamento e da arquitetura da RNA. No presente trabalho, o método é testado em uma região da Amazônia equatoriana, o uso da técnica de RNAs para a detecção de alterações mediante imagens de satélite, apresentou melhores resultados do que aqueles obtidos com o método tradicional de máxima verossimilhança em termos de acurácia global e o coeficiente Kappa (superior a 0,8). Em geral, as alterações detectadas na cobertura vegetal natural estão associadas a fenómenos relacionadas com a expansão de áreas agrícolas e urbanas.

Abstract: The classification and change detection in vegetation cover over large areas can be accomplished using technologies associated with Remote Sensing. Satellite images of middle and high spatial and spectral resolution contrasted with information collected in the field are indispensable tools when the purpose of projects and research is discrimination between different types of vegetation and their temporal variations. The tasks mentioned above generally involve large investments in human and economic resources, the results are not always satisfactory with the application of algorithms and techniques aimed at the automation of the classification process of the different features contained in the image, and is usually required one-step visual interpretation. The Artificial Intelligence (AI) techniques, in the specific case of Artificial Neural Networks (ANN) prove to be an adequate mechanism for automating the satellite image classification when the goal is to identify changes in vegetation cover, and the technical performance depends the set of RNA training data. In this paper the method is tested in a region of the Ecuadorian Amazon, getting in terms of agreement, achieve a kappa index above 0,8.