Métodos de classificação de imagens de satélite para delineamento de banhados

Abstract

As Áreas Úmidas (AUs) são ecossistemas de importância global, que apresentam altos níveis de diversidade ecológica e produtividade primária e secundária. Os Banhados são um tipo de AU, característicos nos estados do Sul do Brasil, no Uruguai e na Argentina. O delineamento e classificação desses ecossistemas é uma tarefa árdua, dada as características estruturais hidrológicas, de solos, de cobertura vegetal e espectrais. No estado Rio Grande do Sul os Banhados são considerados Áreas de Preservação Permanente, porém, não há um inventário e tampouco um delineamento desses ambientes. Deste modo, o objetivo destatese é comparar diferentes métodos baseados em sensoriamento remoto ativo e passivo e aprendizado de máquina(AP)para o delineamento de Banhados. Para isto, utilizamos três abordagens: i) aplicação de índices espectrais de sensoriamento remoto e árvore de decisão; ii) integração de imagens SAR de dupla e quádrupla polarização em bandas C e L e árvore de decisão; e, iii) análise multisensor (ativo e passivo), Geobia e diferentes classificadores. Nossos resultados mostram que os índices espectrais de sensoriamento remoto apresentaram acurácias entre 77,9% e 95,9%; a aplicação de imagens SAR resultou em acurácias entre 56,1% e 72,9%, ambos pelo algoritmo Árvore de Decisão. Para a abordagem multisensor utilizando Geobia e diferentes classificadores, as acurácias variaram entre 95,5% e 98,5%, sendo que, o k-NN foi o algoritmo que apresentou maior acurácia entre os modelos avaliados, demonstrando o potencial da análise multisensor (ativo e passivo) e doaprendizado de máquinapara o delineamento e classificação de Banhados. Adotamos como estudo de caso um Banhado localizado no Sul do Brasil, porém recomendamos que devido as semelhanças hidrológicas, estruturais e espectrais desses ambientes, essas metodologias possam ser aplicadas em outras áreas de Banhados (marshes).

Wetlands are ecosystems of global importance, with high levels of ecological diversity and primary and secondary productivity.Marshes are a type of wetland characteristic of the southernBrazil, Uruguay and Argentina.The delineationand classification of these ecosystems is an arduous task, given the hydrological structure, soil, vegetation and spectral characteristics.In the Rio Grande do Sul state, marshesare considered Permanent Preservation Areas, however, there is no inventory and no delineationof these environments.Thus, the aim of this thesis is to compare different active and passive remote sensing based methodsand machine learningfor the delineationof marshes. For this, we use three approaches: i) application of spectral indices of remote sensing and decision tree; ii) integration of dual and quad-poll SAR images in C and L-bands and decision tree, and iii) multisensor analysis (active and passive), Geobia and different classification methods. Our results show that the spectral indexes of remote sensing presented accuracy between 77.9% and 95.9%; the application of SAR images resulted in accuracy between 56.1% and 72.9%, both using the Decision Tree algorithm. For the multisensor approach using Geobia and different classifiers, the accuracy varied between 95.5% to 98.5%, k-NN was the algorithm that showed greater accuracy among the models evaluated, demonstrating the potential of the multisensor analysis (activeand passive) and machine learningfor marshesdelineation and classification. Our study was carried out in a marsh located in the southernBrazil, however due to the hydrological, structural and spectral similarities of these environments, the methodologies can be applied in other marshes areas