Geobia em imagem Rapideye para classificação do uso e cobertura da terra mediante Self-Organizing Maps em uma área da Bacia do Pitangui – PR / Geobia on Rapideye image for land use and land cover classification using Self-Organizing Maps in an area of the Pitangui Basin – PR

Kelly Lais Wiggers, Selma Regina Aranha Ribeiro

Abstract


Este trabalho explora a GEOBIA (Análise de Imagens Baseada em Objetos Geográficos) com o objetivo de obter os vetores de entrada para treinamento de Redes Neurais Artificiais (RNA), por meio de Mapas Auto-Organizáveis (SOM), para classificação de padrões de uso do solo. Um pré-processamento foi realizado nas imagens de sensoriamento remoto e, em seguida, foram rotulados os alvos com seus descritores. A seleção das características foi realizada pelo PCA (Principal Component Analysis), culminando na exportação de vetores com descritores. A validação foi ranqueada em alguns segmentos, com índice kappa de 0,9, evidenciando uma classificação de excelente qualidade, sendo um resultado satisfatório para os primeiros testes com o SOM.


Keywords


Sensoriamento Remoto, Processamento de Imagens, Rede Neural Artificial Sensoriamento Remoto, Processamento de Imagens, Redes Neurais Artificiais.

References


AKSOY, S.; AKÇAY, H. G.; WASSENAAR, T. Automatic mapping of linear woody vegetation features in agricultural landscapes using. IEEE Transactions on Geoscience and Remote Sensing, v. 48, n. 1, p. 511 – 522, 2010.

GONÇALVES, M. L. et al. Classificação não-supervisionada de imagens de sensores remotos utilizando redes neurais auto-organizáveis e métodos de agrupamentos hierárquicos. Revista Brasileira de Cartografia (RBC), v. 60, p. 17–29, 2008.

GONZALEZ, R.; WOODS, R. Processamento de Imagens Digitais. 3. ed. São Paulo: Edgard Blucher Ltda, 2000.

HAYKIN, S. Redes Neurais: princípios e prática. 2. ed. Porto Alegre: Bookman, 2001.

LOPES, L. H. M. Uso e cobertura do solo no município de tailândia- pa utilizando o tm/landsat e técnica de classificação não-supervisionada. ENGEVISTA, v. 10, n. 2, p. 126–132, 2008.

MOREIRA, M. A. Fundamentos do Sensoriamento e Metodologia de Aplicação. 3. ed. [S.l.]: Editora UFV, 2011.

MOREIRA, M. A.; SHIMABUKURO, Y. E. Cálculo do índice de vegetação a partir do sensor AVHRR. São Paulo, 2004. 79-101 p.

ROBBINSON, D.; REDDING, N.; CRISP, D. Implementation of a Fast Algorithm for Segmenting SAR Imagery. [S.l.]: DSTO - Electronics and Surveillance Research Laboratory, 2002.

RUDORFF, B. F. T.; MOREIRA, M. A. Sensoriamento Remoto Aplicado à Agricultura. São José dos Campos, 2002.

VESANTO, J. et al. SOM Toolbox for Matlab 5. April 2000. Disponível em:.

VICENTE, L. E. et al. Mapeamento de características de solos tropicais utilizando self-organizing map aplicado à dados hiperespectrais. In: nais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR. Foz do Iguaçu: [s.n.], 2013.




DOI: https://doi.org/10.34117/bjdv7n9-431

Refbacks

  • There are currently no refbacks.