CLASSIFICAÇÃO DA VEGETAÇÃO EM ÁREA ÚMIDA A PARTIR DE TÉCNICAS DE APRENDIZADO DE MÁQUINA E IMAGENS NANOSSATELITAIS

Código

XXIII-SBRH0798

Autores

Daiane Gerhardt Dick, LAURINDO ANTONIO GUASSELLI, Luis Fernando Chimelo Ruiz, Douglas Stefanello Facco, João Paulo Delapasse Simioni, ALICE NARDONI MARTELI

Tema

11 - Sensoriamento remoto e gestão integrada da água e do território

Resumo

As áreas úmidas estão entre os ecossistemas mais produtivos do mundo, possuindo alta diversidade e valor ecológico. Historicamente, estas áreas vem sofrendo com inúmeros impactos negativos como a drenagem para a inserção agrícola, poluição por agroquímicos, lançamento de efluentes urbanos e industriais, entre outros. O mapeamento e a classificação das áreas úmidas torna-se uma tarefa imprescindível para a gestão e conservação destes ambientes. Diante disto, este trabalho tem por objetivo a aplicação de técnicas de aprendizado de máquina e imagens de nanossatélite para classificar a vegetação em uma área úmida. Para isto, foram coletadas 1.900 amostras nas diferentes classes de vegetação e aplicados os algoritmos de aprendizado de máquina Support Vector Machine (SVM), Random Forest (RF) e Modelo de Mistura Gaussiano (MMG) através do plug-in dzetsaka do software QGIS 3.4. Os resultados mostraram que o SVM foi o classificador que apresentou maior acurácia global para a classificação da vegetação de áreas úmidas, 79,3%, seguido do MMG, com 77%, e do RF, com 76,7% de acurácia global. Diante disto, verificamos que a técnica de aprendizado de máquina apresenta grande potencial para classificação da vegetação de áreas úmidas.